基于特征点的图像匹配算法研究的中期报告.docxVIP

基于特征点的图像匹配算法研究的中期报告

概述

图像匹配是计算机视觉中的一个重要问题，它在计算机视觉的各个领域都有着广泛的应用。基于特征点的图像匹配算法是目前研究最为广泛的一类图像匹配方法，其核心思想是使用一些特定的算法从图像中提取特征点，并通过特征点的匹配来实现两张图像之间的对应关系。本中期报告主要介绍了基于特征点的图像匹配算法的研究进展及其存在的问题。

研究进展

1.特征点的提取

特征点是图像处理中的一种基本概念，也是基于特征点的图像匹配算法的核心。目前，常用的特征点提取算法有SIFT、SURF、ORB等。其中，SIFT算法是一种经典的特征点提取算法，它具有很好的光照、旋转、缩放不变性等特点，但其计算复杂度较高；SURF算法是一种快速特征点提取算法，但其对于图像旋转、缩放的鲁棒性不如SIFT算法；ORB算法则是在SIFT和SURF算法的基础上进行改进而得到的，具有计算速度快、鲁棒性好的特点。

2.特征点的描述

特征点的描述是指对提取出的特征点进行数学描述，以便进行特征点之间的匹配。当前常用的特征点描述方法包括SIFT描述子和SURF描述子。SIFT描述子采用128维向量表示特征点，具有很好的表达能力，但其计算量大；SURF描述子采用64维向量表示特征点，计算速度快，但其表达能力不如SIFT描述子。

3.特征点的匹配

特征点的匹配是指在两张图像中识别出相同的特征点的过程。常用