摘 要

图像匹配技术在图像信息处理这个领域中来看它是非常重要的一项技术，特别是在遥感（制图更新）以及计算机视觉应用程序等方面有着非常广泛的应用。同时用于医疗用图像注册、天文对齐截取的空间图像以及全景影像创作技术。图像匹配是通过分析不同图像间内容、特征、纹理、关系、结构以及灰度等对应关系之间的相似性与一致性来寻找相似图像的方法。对两幅图像进行匹配处理主要可以采用以下两种方法：基于灰度的图像匹配与基于特征的图像匹配。

SIFT，就是尺度不变特征变换，是以尺度空间为基础的在图像处理这个领域应用的一种描述子。SIFT提取出的特征点与这个图像本身的尺寸大小以及是否进行了旋转是无关的，它是基于物体本身的局部外观上的特征点，对光线或者噪声等一些外部干扰也具有比较高的容忍度。因为这些特征相对而言提取起来是比较容易的，而且它的特征十分显著，即使数据库十分庞大，也可以很轻易地就将物体辨识出来。OpenCV是一个算法库，它这个库里面包含了许多可以在图像处理方面以及计算机视觉处理等方面实现功能的通用算法。

本课题主要研究了基于OpenCV的SIFT特征提取及匹配，对SIFT匹配算法的实现原理和过程进行了非常详细的阐述，而且我还通过多组实验进行结果对比分析验证了SIFT算法在旋转角度发生变化以及尺度发生变化的情况下的特征点提取及匹配的效果，并在此基础上进行扩展应用，实现了两幅图片的拼接。

关键字：图像匹配、特征提取、尺度空间、SIFT、OpenCV、图像拼接

ABSTRACT

Image matching is a very important technology in the field of image information processing, and it is widely used in the field of remote sensing (graphics update) and computer vision applications. At the same time for medical image registration, astronomical alignment of the interception of the space image and panoramic image creation technology. Image matching is a method to find similar images by analyzing the similarity and consistency between the contents, features, textures, relationships, structures, and the correspondence between different images. Image matching can be divided into two main methods: gray based image matching and feature based image matching.

SIFT, the scale invariant feature transform, is a descriptor for image processing based on scale space. SIFT features and the size of the image itself is not related to rotation, it is based on the characteristics of the local appearance of the object itself, for light, noise and other external interference also has a high degree of tolerance. Because these features are highly significant and relatively easy to extract, it is easy to identify objects in a large database. OpenCV is an algorithm library, you can achieve a lot of image processing and computer vision algorithms.

This paper mainly studies based on OpenCV SIFT feature extraction and matching, detailing the realization process of SIFT algorithm and the experiments to achieve the rotation angle and scale changes in the SIFT feature point extraction and matching effect, and expand the use of SIFT algorithm to achieve the two images stitching.

Keywords: Image matching、feature extraction、scale space、SIFT、OpenCV、image stitching

目 录

第1章 绪论 1

1.1研究的背景及意义 1

1.2国内外研究现状 1

1.3研究内容和目标 2

1.4 章节安排 3

第2章 图像匹配相关理论 4

2.1 图像匹配技术概述 5

2.2 图像匹配算法分类 5

2.2.1 基于图像灰度的匹配方法 6

2.2.2 基于图像特征的匹配方法 6

2.2.3 两类匹配算法的比较 7

2.2.4小结 7

2.3 尺度空间理论 7

2.3.1 尺度空间理论 7

2.3.2 高斯尺度空间 8

2.3.3 本节小结 8

第3章 SIFT特征匹配及实验结果 9

3.1 图像的初始 9

3.2 尺度空间极值检测 10

3.2.1 高斯金字塔 11

3.2.2 建立DoG金字塔 11

3.2.3 极值检测，初步确立特征点 12

3.3 精确定位特征点的位置和所在的尺度 13

3.3.1关键点精确定位 14

3.3.2去除边缘响应 15

3.4 确定特征点的主方向 16

3.5 生成SIFT特征向量 18

3.5.1关键点描述思路 18

3.5.2关键点描述步骤 19

3.6 SIFT特征向量的匹配 20

3.7 SIFT算法的旋转不变性实验 21

3.7.1 旋转不变性实验一 21

3.7.2 旋转不变性实验二 23

3.7.3 旋转不变性实验三 25

3.7.4 旋转不变性实验四 27

3.8 SIFT算法的缩放性质 29

3.9 特征提取实验结论 30

3.10 图像拼接 31

第4章 总结与展望 33

4.1 总结 34

4.2 展望 34

参考文献 35

致谢 37

第1章 绪论

1.1研究的背景及意义

如今到了21世纪，一个信息爆炸的时代，这个时代的来临带来了许多的改变。人们获取信息的方式也不例外，早已不再仅仅局限于数字、符号、文本等信息，而是逐渐呈现出多样性，特别是越来越多的信息在以图像信息形式传输，人们已经从读字时代逐步迈入读图时代。

图像匹配^[25]技术是进行多 传 感器图像 融合的基础，不仅是在遥 感 图 像处 理、目标识 别等方面，而且是在图 像重 建、机 器人视觉这些领 域中都是十分关键的 技术之一^[9]。图 像 匹 配从本质上来描述就是在两 幅或多幅图像之间把它们所包含的同名点识别出来的一个过程，而实现这个过程则需要利用一定的匹配算法作为依托来对功能加以实现。我们以对两幅二维图像进行匹配为例，那么我们首先要做的工作就是在目标区域和搜索区域中把大小相同的窗口之间的相关系数进行比较处理，把整个搜索区中相关系数最大的情况下所对应的窗口的中心店选取出来座位是同名点。这种处理方法从本质进行分析其实就是在基 元 相 似 性的 条件下利 用匹配 准 则的最佳 搜 索问题，确切地来说，图 像匹 配就是在图 像 融 合的过 程中，找到一幅 图 像(目标图像或实 时图像)在 另一幅图 像(源 图 像或基 准 图)中的位 置^[21]。

基于 SIFT算法 的图像匹配 技术^[6]是1999 年被提出来的，当时David·Lowe 教授在对已经出现的基于不变量技术的特征检测方法进行了总结并且正式提出了SIFT算子的概念。SIFT是以尺度空间为基础落脚点的对图像局部特征进行描述的一种算子，它在2004年得到了完善。在整个图像匹配技术中一个非常重要的模块就是对两幅待匹配图像进行特征点的提取^[8]。我们可以在一幅图像中检测到许多个关键点，这时候一些不需要的点就要被消除掉，只要将特征性较强的点保留下来进行 图像 匹配即可。最后消除错误的匹配点。