三级项目报告图像匹配算法的实现及分析详解.docVIP

三级项目设计论文） 摘要 图像匹配是计算机视觉和图像处理领域中非常重要的工作，当我们需要在一副图像中寻找是否存在一个物体或一个小场景，并确定其位置，这时候我们就应当将具有灰度相关的图像进行匹配，实现图像匹配算法，通过计算它们之间的相关系数，确定协方差，进而进行图像匹配，确定其存在与否，并定位。 关键词：灰度相关;图像匹配;相关系数；协方差 前言 随着科技的进步，图像匹配技术已经成为信息处理领域极为重要和基本的技术。在军事上，它普遍应用于导弹的地图/地形匹配制导，飞机的导航等；在民用上，它普遍应用于运载工具自动导航仪，仪表导航，环境导航，环境保护，材料检测，机器人，交通等。 图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。常见方法有：像素灰度相关匹配，图像特征匹配等等。图像匹配是数字图像处理重要的研究课题之一。 正文 一．图像匹配方法原理与实现步骤 本项目要求，要用一个较小的图像，即模板与目标图像进行比较，以确定在目标图像中是否存在与该模板相同或相似的区域，若该区域存在，还可确定其位置。下面介绍几种常见的匹配方法 1.基于图像特征的配准方法 需要对图像进行预处理，然后提取图像中保持不变的特征,如边缘点、闭区域的中心、线特征、 2.基于模型的匹配方法 在计算机视觉领域中的应用非常广泛，它可以分为刚体形状匹配和变形模板匹配[4]两大类。Kass提出的Snake主动轮廓模型是比较典型的自由式变形模板模型。 3.基于变换域的匹配的方法 有基于傅立叶变换、基于Gabor变换和基于小波变换的匹配，这些匹配方法对噪声不敏感，检测结果不受照度变化影响，可以较好的处理图像之间的旋转和尺度变化。 综合看来：选择变换域的匹配方法可以较好的进行图像匹配。 根据相关定理，若和为二维时域函数，那么，定义以下相关运算： 式中，符号表示相关运算。 式中，表示傅里叶变换，是的傅里叶变换；是的傅里叶变换；是的共轭。 也就是说，由于相关定理表示两个物体的相关程度，相关程度越高，说明两个物体越相似。那么我们根据定理，利用傅里叶变换，对两个图像做相关，然后观察出现的峰值，若峰值越高，表明两个物体越相似，并确定最高峰值的位置，则可以确定模板图在目标图中的位置。根据所给的条件，具体实现步骤如下： 制作模板图和目标图。根据所给的模板，利用画图工具重新制作一个模板图和目标图，要求目标图中间与左上角位置有与模板同样的图形，其他位置在画出另外三个图形。（如下图1、2、3） 将模板图与目标图数字化。即将模板图与目标图分别读入Matlab中，并存入相关矩阵，为了减少计算量，可将两幅图的数据矩阵转换为二值图像数据矩阵。 做傅里叶变换。根据相关定理，时域的相关，等于频域的乘积。所以要将模板图与目标图分别做傅里叶变换，变换的频域中去。（如下图4、5） 相关。模板图与目标图经傅里叶变换后，两图所得矩阵数乘，其中目标图的矩阵要先取共轭，然后经过反傅里叶变换到频域中去，并利用fftshift函数将低频部分移到中间去，并将图形旋转180度，得到正确的坐标轴，然后观察出现的五个峰值。（如下图6） 定位。求出相应矩阵中的最大值，根据最大值设置一阈值，找出高于此阈值的坐标，即为模板图在目标图中的位置。（如下图7） 二.实现过程举例 根据上面所述实现步骤，具体实现过程如下 第一步所对应图形： 模板图 目标图 第三步所对应图形： 图4 模板图的傅里叶变换频谱 图5 目标图的傅里叶变换频谱 第四步所对应的图形： 图6 模板图与目标图相关后的图形 第五步所对应的图形： 图7 模板图在目标图中的位置（最高峰值出现的位置） 三.程序实现 具体实现程序如下： function y=imagePosition() %图像匹配 %在一目标图像中，检测特定模板图像，并确定其位置 templet=imread(mig25_2.tif); %将模板图中的数据读入templet矩阵中 level=graythresh(templet); %设置黑白转换阀值 bw=im2bw(templet,level); %转换为二值图像数据 F=fft2(bw); %对模板图做快速傅