论文总字数：13858字

摘 要

：图像匹配是根据一幅原始图像和一幅图像进行匹配的过程，也是当今数字图像处理领域一个比较热门的话题，由于其具有非常强的实际应用能力，所以，也是诸多学者要攻破的难题，而目前，传统的图像匹配算法能够进行一定的匹配操作，但是在匹配效率和实时性不能够让人满意，所以，提高算法的执行效率和速度是本文的目的。本文主要研究基于灰度的图像匹配算法。在图像匹配问题中，寻找合适的灰度模版匹配算法就显得很重要了，本文对图像进行预处理操作，为了下一步更好匹配，最终取得很好的匹配效果。

关键词：图像匹配，数字图像处理，机器视觉

Abstract: Image matching is a matching process based on a original image and a template image. It is also a hot topic in the field of digital image processing. Because of its strong practical application ability, it is also a difficult problem to be solved by many scholars. At present, the traditional image matching algorithm can be carried out. A certain matching operation, but in the matching efficiency and real-time can not be satisfactory, so improving the efficiency and speed of the algorithm is the purpose of this paper.This paper mainly studies the template matching algorithm based on grayscale. In the template matching problem, it is very important to find a suitable gray scale template matching algorithm. In this paper, the image is preprocessed. In order to better match the next step, a good matching effect is achieved.

keywords: image matching, digital image processing, machine vision.

目 录

1 绪论 4

1.1 课题研究背景 4

1.2 课题研究现状 4

2 图像匹配基础理论 6

2.1 图像匹配的概念 6

2.2 图像匹配的分类 6

2.3 图像匹配流程 7

3 基于灰度图像匹配算法 9

3.1 图像匹配预处理 9

3.2 图像匹配算法 14

4 算法实现 16

4.1 MATLAB软件介绍 16

4.2 系统设计 18

结 论 24

参 考 文 献 25

致 谢 27

绪论

• 1. 课题研究背景

图像匹配在当今时代是比较前沿的研究方向，具有很大的研究价值，其识别的主要过程是使用记录仪对运动的物体进行图像捕捉，根据捕捉到的画面帧进行匹配校准，寻找帧内具有相同或者相近的图像，这个过程需要使用一张模版图像，一张捕捉到的画面帧进行相同程度计算，达到图像匹配的目的。

匹配的首要任务是进行图像和画面帧之间的相近程度，然后根据相近程度进行图像在画面帧所在的地方。相近程度高很容易成功匹配，相近程度低就不会容易匹配，而且图像的形状存在这千差万别。图像匹配可以分为刚性和可变形匹配两种，刚性的主要过程是在进行匹配之前就需要对图像进行一定的处理，比如对图片进行一定的移动和比例放大缩小等等，使得图像更利于和画面帧进行匹配。

由于大部分的情况下，刚性匹配具有很强的灵活性，然而需要图像的匹配率比较高，且图像的质量要求也相对比较高，现实情况的图像存在环境曝光，杂色，白点等一系列的干扰，所以可变形匹配就应运而生了。

事实上，实际中的匹配存在很复杂的情况，截取到的画面帧可能存在很多的干扰物品，使得在匹配上的难度会有很大的增加，首先需要躲避开干扰的物体，然后进行图像的相似性匹配，这样的匹配在实际中应用很强。

在图像分割的方面，能够根据图像的边缘进行识别进行分割处理，由于图像匹配的精确程度好，而且失误率低，可以用在已知匹配物体的识别，例如用在流水线的物品数目统计，能够很好的进行分割和处理。图像匹配不仅可以用于分割，而且可以用于识别的方向，基于机器视觉方面可以对物体的内容进行读取操作，比如对文字，数字等等进行识别，在实际可以用于停车场的车牌号码识别，避免了人为的记录和统计，提高了办事的效率，并节约了人员的成本。

在工业方面，图像匹配显得就更加重要了，在煤矿、工厂等地方，工作中需要对仪器的破损情况进行检测，比如在煤矿系统中，运输煤炭的皮带存在裂纹的情况，人为检测就存在一定的危险，停下运输系统又会增加企业成本，所以需要图像匹配完成这样的工作，能够很好的进行匹配，节约成本。

根据上述内容，可以很直观的看出图像匹配在实际的工作中具有很深远的意义，本文选取图像匹配的一个角度进行分析，从灰度图像进行匹配研究^[1]。

• 1. 课题研究现状

在上个世纪后期，数字图像处理有了一定的雏形，图像匹配也是研究浪潮中的重点项目，这个技术的重点就是在短时间内如何提高匹配的精确程度，也就是算法的效率值如何，这是摆在全世界的学者和科学家面前的一个巨大难题，国外的学者提出很多的算法，早在上个世纪70年代Leese提出了平均绝对差算法^[2]，其本质图像和捕获到的画面帧进行完美重合，它的优势在于速度很快，匹配准确率很高，但是对图像要求程度也很高，而且必须满足大小一致，不存在旋转偏移的情况，相对来说条件比较苛刻，在实际工作中存在很多的干扰，画质也不会高，所以平均绝对差算法的条件就很难达到了，可以看作一种比较理想的算法。

于是之后的学者在此基础之上进行了扩展，对算法的功能进行了一定的增强，能够降低一些条件的束缚，其中，在图像旋转的方面，有学者提出了方向码的方法^[3]，其特点在于能够对光线强弱的干扰以及物体的遮蔽等一些实际中存在的因素都进行了很好的优化，此算法在计算效率上相对比较低，由于其需要对每一个点进行一次灰度梯度方向角度的运算，并在每一个下属的图形中，进行了直方图的统计，并存在指数级别的遍历，所以导致了此算法的运算量比较大，所以此算法不太适合短时间匹配。

针对噪声的干扰，有学者经过大量的研究提出一种根据投影进行匹配的算法^[4]。此算法从数学模型的角度分析，可以把图像看作是一个矩形，由于矩形的对称性，可以找到一个最大的内切圆，其圆心就是矩形的中心，半径就是矩形的短边，则匹配的范围就是以短边长的一个圆形范围，此算法能够很好的解决匹配中存在的旋转和噪声问题，因为圆形属于中心对称图形，可以进行任意旋转，根据投影对应情况进行匹配。此算法的效率相对比较高。

剩余内容已隐藏，请支付后下载全文，论文总字数：13858字