兰州理工大学毕业设计 摘 要 图像点集配准是计算机视觉、模式识别和 .doc

摘 要 图像点集配准是计算机视觉、模式识别和图像处理中一项极富挑战性的课题，在医学图像处理、车辆导航、机器人定位、三维重建和多传感数据融合等诸多领域有着越来越多的应用价值。点集配准作为图像配准的关键问题之一，该问题的探索对图像几何拓扑结构的研究有着巨大的促进作用。图像配准是使两幅空间位置不同的图像点集经过一系列空间变换后实现空间位置统一的过程,空间变换的方式有平移、旋转、尺度缩放等，传统的配准算法只是考虑平移和旋转的刚体配准，对于非刚体的配准算法研究比较少，但是在现实的生活中，非刚体图像的配准又是非常常见的，所以本文是在刚体的配准的基础上增加尺度缩放，即非刚体图像的配准。随着计算机技术以及相关技术的大力发展，在科技领域对于图像配准算法的要求越来越高，本文重点讨论的是图像点集的获取，点集对应搜索算法，非刚体ICP最优迭代算法。由于图像点集具有点数多且结构复杂的特点，传统的ICP(Iterative Closest Points，ICP)算法耗时太多，严重不满足当代技术要求，因此本文讨论的是在点集经典配准算法ICP的基础上，利用多尺度层级化思想，提高了配准速度和精度。该算法对图象点集进行层级化处理，将图像稀疏化处理，在原来图像的基础上，提取较少的像素点，先对粗尺度点集进行非刚体配准，运用其配准结果作为原始点集配准的精确初值，最终实现了各向同性以及各向异性等变尺度图像点集的快速配准。