影像匹配实习报告

实习目的：

1、掌握影像匹配的原理和基本思想，加深对各种影像匹配算法的理解；

3、能够利用编程实现影像匹配的算法，提高自己的编程能力；通过实习能够体会各种影像匹配算法的特点和优劣；

实验原理：

影像匹配的实质就是在两幅（或多幅）影像之间识别同名点。同名点的确定是以匹配测度为基础的，基于不同的理论或不同的思想可以定义各种不同的匹配测度，因而形成了各种影像匹配方法及相应的实现算法。常见的有五种基本的匹配算法，即相关函数法、协方差函数法、相关系数法、差平方和法和差绝对值和法。本次试验采用的是相关系数法。

相关系数法影像匹配的基本思想：

若影像匹配的目标窗口灰度矩阵为G(g)，窗口大小为m_n，与G对应的灰度函数为g(_,y)；搜索区的灰度矩阵为G’=(g’)，矩阵的大小为k_l，k与l分别是矩阵G’的行数和列数，与G’相应的灰度函数为g’(_,y)。G’中任意一个m行n列的子快（搜索窗口）记为：

Gr',c(gi'r,jc)（i=1,2,…,m,j=1,2,…,n）

(r=INT(m/2)+1,…,k-INT(m/2)c=INT(n/2)+1,…,l-INT(n/2))相关系数法就是寻找使得目标窗口和搜索窗口中相关系数取得最大值的点作为同名点的方法，即它是用相关系数作为匹配测度的。它是标准化的协方差函数，协方差函数除以两信号的方差即得相关系数。g(_,y)与g’(_’,y’)的相关系数为：

C(p,q)

p,qmn考虑到实际计算中的工作量，相关系数的实用公式为：mnmn1(gi,jgi'r,jc)(gi,j)(gi'r,jc)mn

实验步骤：

1、提取特征点

为了提高影像匹配的精度，我们可以从影像上提取变化比较明显的点进行匹配，这样可以取得比较好的匹配效果。本文使用的特征点的提取算法为Moravec算子。

2、影像匹配

（1）在左影像上利用Moravec算子提取特征点；

（2）将提取出来的特征点作为目标点并记录其行列号，以此待定点

为中心选取5_5个像素的灰度阵列作为目标区；

（3）根据两幅影像的相似性利用左影像行列号的位置信息在右影像

上估计出该同名点可能存在的范围，建立一个9_9的像素灰度阵列作为搜索区；

（4）根据相关系数的算法计算搜索区与目标区的相关系数；

（5）比较计算出来的各个相关系数，当相关系数取得最大值时，

该搜索窗口的中心像素被认为是同名点；

（6）标记同名点。

程序流程图：

实验结果：

实验分析与总结：

本次试验取得了较好的预期效果，但其效果还有待进一步提高。通过本次实验加强了自己的动手能力，加深了对影像匹配原理的认识。