1、圖像匹配算法研究概述摘要：圖像匹配是信息領(lǐng)域中的一項(xiàng)重要技術(shù)，同時(shí)也是其它一些圖像處理技術(shù)的基礎(chǔ)。因此,對(duì)現(xiàn)有匹配算法展開(kāi)研究以提高圖像處理質(zhì)量具有十分重要的意義。本文分析了圖像匹配常用方法的優(yōu)點(diǎn)和不足之處，討論了圖像匹配中需要進(jìn)一步研究和解決的問(wèn)題。1.研究背景和意義人們通過(guò)視覺(jué)獲得外界信息，而信息又以圖像作為載體,隨著科技的不斷發(fā)展，通過(guò)對(duì)圖像進(jìn)行處理來(lái)感知信息已經(jīng)成為生活的重要組成部分。圖像匹配技術(shù)已經(jīng)成為學(xué)者們研究的一個(gè)熱點(diǎn)，近些年來(lái)也出現(xiàn)了各種圖像匹配算法。圖像匹配與很多信息處理方法都緊密相關(guān)，同時(shí)它又是一些圖像處理技術(shù)的基礎(chǔ)，所以在很多領(lǐng)域都得到了很好的應(yīng)用1:如在計(jì)算機(jī)視覺(jué)領(lǐng)域、

2、醫(yī)學(xué)領(lǐng)域、遙感信息領(lǐng)域等。由于現(xiàn)實(shí)的需求的不斷提高，這就要求圖像匹配算法有著更高的性能，實(shí)現(xiàn)快速準(zhǔn)確的圖像匹配算法能帶來(lái)更多的實(shí)用價(jià)值，所以對(duì)現(xiàn)有算法展開(kāi)研究和改進(jìn)，提高算法的精度和效率還是很有意義和前景的。2.研究現(xiàn)狀在最近幾十年中，國(guó)內(nèi)外研究者研究出很多種圖像匹配算法，可分為基于灰度的圖像匹配和基于特征的圖像匹配，都致力于提高算法精度和速度，并取得了一定的成果。早期圖像匹配方法以角點(diǎn)檢測(cè)與匹配為主，從Harris角點(diǎn)檢測(cè)到FAST檢測(cè)，以及對(duì)這類(lèi)角點(diǎn)檢測(cè)算子的改進(jìn)方法。SIFT方法的提出將研究者的思維從角點(diǎn)檢測(cè)中解放出來(lái)2，是迄今為止被該方向引用最多的技術(shù)。目前，基于深度學(xué)習(xí)的圖像匹配方法

3、逐步興起，這類(lèi)算法匹配精確度更高。圖像匹配技術(shù)在國(guó)內(nèi)外都得到了一定的發(fā)展，但是基于復(fù)雜的拍攝環(huán)境，圖像匹配過(guò)程中很容易受到外部因素的干擾，并且隨著社會(huì)的發(fā)展，人們對(duì)匹配的精度和實(shí)時(shí)性都提出了更高的要求，現(xiàn)在還沒(méi)有一種算法能夠解決所有的匹配問(wèn)題。所以在未來(lái)很長(zhǎng)一段時(shí)間內(nèi)，對(duì)算法改進(jìn)仍是當(dāng)下研究的熱點(diǎn)。3.圖像匹配三要素所謂的圖像匹配就是把兩個(gè)圖像進(jìn)行配準(zhǔn)，以獲得圖像之間的映射關(guān)系。目前對(duì)圖像匹配的研究都是基于圖像匹配的基本要素:特征空間、相似性度量、搜索策略。(1)特征空間所謂特征空間3就是圖像中具有代表性的、穩(wěn)定的、可以用來(lái)實(shí)現(xiàn)精準(zhǔn)匹配的特征集合，也就是從終像中提取的特征集。選取的特征必須是原

4、始圖像和待匹配目標(biāo)圖像所共同具有的特征。可以作為圖像特征的量有很多，如角點(diǎn)等。特征空間是圖像匹配的關(guān)鍵一步，選擇不合理會(huì)加大搜索空間，降低匹配精度，削弱算法性能，直接影響匹配結(jié)果。(2)相似性度量相似性度量就是計(jì)算圖像局部特征向量之間相似程度，反應(yīng)了圖像之間的匹配度，直接對(duì)匹配結(jié)果產(chǎn)生影響。(3)搜索策略圖像匹配的又一重要關(guān)鍵要素是選取合適的搜索方式以提高效率為目的尋找最佳參數(shù)的過(guò)程，即搜索策略。搜索策略得出最佳參數(shù)的時(shí)候也就是特征描述子匹配最佳的時(shí)候。4.匹配算法的性能評(píng)估準(zhǔn)則圖像匹配算法的好壞，需要根據(jù)實(shí)際匹配效果判斷，如魯棒性如何，抗干擾性如何，是否滿(mǎn)足實(shí)時(shí)性的需求等，而用于評(píng)價(jià)這些性能

5、的指標(biāo)就是圖像匹配算法性能評(píng)估準(zhǔn)則。目前常用的算法評(píng)估標(biāo)準(zhǔn)總結(jié)如下:(1)匹配精確度匹配精確度4是圖像匹配領(lǐng)域中重要的評(píng)價(jià)指標(biāo)之一，實(shí)際中，常通過(guò)均方根誤差來(lái)反應(yīng)匹配精確度的高低，誤差越小精確度越高，反之則精確度越低。MSE越小則表示算法的匹配性能越好。(2)匹配速度匹配速度用算法完成一次匹配所用的總的時(shí)間多少來(lái)衡量，總的時(shí)間包含算法各個(gè)階段所消耗的時(shí)間，因此通過(guò)改進(jìn)算法的某個(gè)階段以減少該階段的計(jì)算量，進(jìn)而減少整個(gè)算法的時(shí)間消耗，實(shí)現(xiàn)提高算法速度的目的。針對(duì)不同的算法各自的特性，可以選擇不同的改進(jìn)方法，針對(duì)基于圖像灰度信息的匹配算法，減少搜索次數(shù)可以降低算法的運(yùn)算復(fù)雜度，而對(duì)于基于圖像特征的匹

6、配算法，則可以通過(guò)減少特征點(diǎn)的冗余信息、選取合適的特征相似性度量方法或者通過(guò)優(yōu)化匹配策略來(lái)實(shí)現(xiàn)。(3)匹配正確率所謂匹配正確率就是在限定的誤差范圍內(nèi)，圖像匹配正確的概率，正確率越高代表有越多的有用特征點(diǎn)，算法準(zhǔn)確度越高，匹配效果就越好。5.常用匹配算法通過(guò)研究現(xiàn)有算法可知，圖像匹配算法經(jīng)過(guò)學(xué)者的不斷改進(jìn)，對(duì)于不同的場(chǎng)景需求對(duì)應(yīng)著不同的方法。本文將匹配算法劃分為基于灰度的匹配方法和基于特征的匹配方法兩大類(lèi)。基于圖像灰度的匹配方法通常直接利用整幅圖像的灰度信息5，建立兩幅圖像之間的相似性度量,然后采用某種搜索方法,尋找使相似性度量值最大或最小的變換模型的參數(shù)值。這類(lèi)算法直接利用灰度信息,因此能提高

7、精度，但是計(jì)算過(guò)程較長(zhǎng)，且灰度值也很容易受到外界因素變化的影響。基于圖像特征的匹配方法需要對(duì)圖像進(jìn)行預(yù)處理，然后提取圖像中保持不變的特征，主要運(yùn)用的是圖像的點(diǎn)、線、面特征信息作為匹配的參考信息，這種方法的主要優(yōu)點(diǎn)是它提取了圖像的顯著特征，壓縮了圖像的信息量,使得計(jì)算量小，且對(duì)圖像的灰度變化不敏感。所以它在在圖像匹配領(lǐng)域占據(jù)著越來(lái)越重要的位置。6.不同算法對(duì)比可以了解到，圖像匹配技術(shù)已經(jīng)涉及到生活中的諸多領(lǐng)域，正是由于它應(yīng)用的廣泛性，同時(shí)它也推動(dòng)著圖像處理技術(shù)的不斷發(fā)展，由此對(duì)匹配技術(shù)就提出了新的要求以及更廣泛的應(yīng)用，這就需要對(duì)匹配算法的研究不斷深入，進(jìn)而衍生出很多新的算法，旨在提高其速度和精度

8、。但是由于環(huán)境的復(fù)雜多變性，現(xiàn)有的算法在某些方面都有缺陷，沒(méi)有一種算法能解決所有的匹配問(wèn)題。7.小結(jié)圖像匹配研究作為計(jì)算機(jī)視覺(jué)和圖像處理中的主要內(nèi)容,有著重要的理論和實(shí)踐意義。由于成像過(guò)程中各種不可預(yù)知因素的影響，該問(wèn)題至今尚未得到很好的解決，雖然已經(jīng)取得了很大的進(jìn)展。但仍有很多問(wèn)題值得研究和進(jìn)一步探討:(1)匹配算法的融合，結(jié)合各個(gè)算法的優(yōu)缺點(diǎn)，克服單個(gè)算法的局限，提高匹配算法性能。(2)算法為了降低復(fù)雜度，對(duì)圖像進(jìn)行了灰度化，在灰度圖上提取特征，進(jìn)而完成匹配，忽略了原始圖像的彩色信息，就降低了對(duì)比度，可能會(huì)導(dǎo)致存在顏色差異而灰度值卻相同的區(qū)域不能提取出特征點(diǎn)問(wèn)題，因此可以考慮加強(qiáng)彩色圖像研究。參考文獻(xiàn)1Zitova B.Flusser J. Image registration methods:a survey Jl. Image and Vision Computing200321(11):977-1000.2Liu Qiong etal. Design and implementation of parallel algorithm for image matching based on Hausdorff DistanceJ.Microprocessors and Microsystems,2021,82:34-863丁蘇楠，張秋菊