图像匹配研究进展

2004.19 计算机工程与应用 ·学术探讨· !!!!"! " !!!!" ! " 1 引言 图像匹配在近几十年来一直是人们研究的热点和难点，它 是在变换空间中寻找一种或多种变换，使来自不同时间、不同 传感器或者不同视角的同一场景的两幅或多幅图像在空间上 一致，目前已经应用于许多领域 [1~4]：巡航导弹末制导采用景象 匹配来确定导弹准确的位置；对来自多个传感器的图像进行融 合时，首先需要进行图像之间的配准；在立体视觉中，为了得到 图像的深度图，需要寻找场景中同一点在两幅图像中的共扼 对，这同样是图像匹配研究的内容；此外，目标识别和跟踪中也 广泛使用了图像匹配技术。 由于拍摄时间、拍摄角度、自然环境的变化、多种传感器的 使用和传感器本身的缺陷，使拍摄的图像不仅受噪声的影响， 而且存在严重的灰度失真和几何畸变。在这种条件下，匹配算 法如何达到精度高、匹配正确率高、速度快、鲁棒性和抗干扰性 强以及并行实现成为人们追求的目标。在过去的几十年中，各 种图像匹配算法相继出现，而且结合许多数学理论和 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 ，人 们又不断提出了新的匹配方法。该文基于匹配的基本原理将图 像匹配算法分为基于灰度相关的匹配、基于特征的匹配、基于 模型的匹配以及基于变换域的匹配，对传统匹配算法及近年来 人们提出的有代表性的匹配算法进行了介绍，最后讨论了匹配 算法中需要进一步研究和解决的问题。 2 图像匹配关键要素 同一场景在不同条件下投影所得到的二维图像会有很大 的差异，这主要是由如下原因引起的：传感器噪声、成像过程中 视角改变引起的图像变化、目标移动和变形、光照或者环境的 改变带来的图像变化以及多种传感器的使用等。为解决上述图 像畸变带来的匹配困难，人们提出了许多匹配算法，而它们都 是由如下四个要素组合而成 [2]： （1）特征空间 特征空间是由参与匹配的图像特征构成的，选择好的特征 可以提高匹配性能、降低搜索空间、减小噪声等不确定性因素 对匹配算法的影响。匹配过程可以使用全局特征或者局部特征 以及两者的结合。 （2）相似性度量 相似性度量指用什么度量来确定待匹配特征之间的相似 性，它通常定义为某种代价函数或者是距离函数的形式。经典 的相似性度量包括相关函数和 Minkowski 距离，近年来人们提 出了 Hausdorff 距离[5]、互信息[6]作为匹配度量。Hausdorff 距离对 于噪声非常敏感，分数 Hausdorff 距离能处理当目标存在遮挡 和出格点的情况，但计算费时；基于互信息的方法因其对于照 明的改变不敏感已在医学等图像的匹配中得到了广泛应用，它 也存在计算量大的问题，而且要求图像之间有较大的重叠区域。 （3）图像匹配变换类型 图像几何变换用来解决两幅图像之间的几何位置差别，它 包括刚体变换、仿射变换、投影变换、多项式变换等。 仿射变换是常用的一种图像几何变换。设（!1，"1）是图像中 某一像素点的坐标，经过仿射变换后的坐标为（!2，"2），则： 图像匹配研究进展 王红梅 张 科 李言俊 （西北工业大学航天工程学院 803教研室，西安 710072） E-maiI：Iitrace@sina.com 摘 要 图像匹配是计算机视觉和图像处理中一个很重要的研究内容。该文分析了图像匹配中的难点问题及其关键技 术，将匹配算法分为四类，综述了具有代表性的传统匹配算法及其改进以及近年来出现的新思路和新方法，探讨了图像 匹配中有待进一步研究的问题。 关键词 图像匹配 图像变换 兴趣点 矩 变形 模板 个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载 模型 文章编号 1002-8331-（2004）19-0042-03 文献标识码 A 中图分类号 TP391.41 Research Progress on Image Matching Wang Hongmei Zhang Ke Li Yanjun （CoIIege of Astronautics，Northwestern PoIytechnicaI University，Xi'an 710072） Abstract： Image matching is an important research content in computer vision and image processing.In this paper，the difficuIties and key technigue of image matching are anaIysed，the aIgorithms are cIassified into four groups，an overview of some representative aIgorithms which incIude the cIassicaI aIgorithms and its improved method，the new idea and method proposed in recent years are presented，the issue needed to be investigated farther is discussed. Keywords：image matching，image transformation，interesting point，moment，deformabIe tempIate modeI 基金项目：高等学校博士学科点专项科研基金（编号：20020699014） 作者简介：王红梅（1977-），女，回族，宁夏灵武市，博士研究生，研究方向：图像处理、模式识别、计算机视觉。 42 计算机工程与应用 2004.19 x2 y2 !"= txty!"+s* cos! -sin!sin! cos! "! x1 y1 !" （1） 其中 tx和 ty是 x 和 y 方向的平移量，! 是旋转角，s 是尺度 因子，求解这四个参数即确定了一个仿射变换。 （4）变换参数的搜索 搜索策略是用合适的搜索方法在搜索空间中找出平移、旋 转等变换参数的最优估计，使得图像之间经过变换后的相似性 最大。搜索策略有穷尽搜索、分层搜索、模拟退火算法、PoWeII 方向加速法、动态 规划 污水管网监理规划下载职业规划大学生职业规划个人职业规划职业规划论文 法、遗传算法和神经网络等。遗传算法采 用非遍历寻优搜索策略，可以保证寻优搜索的结果具有全局最 优性，所需的计算量较之遍历式搜索小得很多；神经网络具有 分布式存储和并行处理方式、自组织和自学习的功能以及很强 的容错性和鲁棒性，因此这两种方法在图像匹配中得到了更为 广泛的使用。 在成像过程中，由于噪声及遮挡等原因，导致一幅图像中 的特征基元在另一幅图像中有几个候选特征基元或者无对应 基元，这些都是初级视觉中的“不适定问题”，通常在正则化框 架下用各种约束条件来解决。常用的约束有唯一性约束、连续 性约束、相容性约束和顺序一致性约束。文献[7]中首先提取左 右图像对中的线段，用对应线段满足的全局约束、相容性约束、 邻域约束等表示 HopfieIk 神经网络的能量函数，通过最小化能 量函数得到两幅图像中的对应线段，提高了匹配的可靠性。同 时人们还采用最小平方中值法和投票算法等后处理来有效地 消除假配点和误配点。 3 图像匹配算法分类 图像匹配的算法很多，根据图像的维数可以分为 2D / 2D、 2D / 3D 和 3D / 3D 匹配；根据图像特征提取的层次可以分为基 于灰度的匹配、基于低级特征的匹配和基于高级特征的匹配。 该文将匹配算法分为基于灰度相关的匹配、基于特征的匹配、 基于模型的匹配以及基于变换域的匹配。 3.1 基于灰度相关的匹配 基于灰度相关的匹配算法是一种对待匹配图像的像元以 一定大小窗口的灰度阵列按某种或几种相似性度量顺次进行 搜索匹配的方法[8]。这类算法的性能主要取决于相似性度量及 搜索策略的选择上。匹配窗口大小的选择也是该类方法必须考 虑的问题，大窗口对于景物中存在遮挡或图像不光滑的情况会 出现误匹配的问题，小窗口不能覆盖足够的强度变化，因此可 自适应调整匹配区域的大小来达到较好的匹配结果。 设参考图像 Xij 的大小为 mxn，输入图像 Y ij 的大小是 Mx N，其中 M>m，N>n。Y（a，6）ij 表示输入图像以（a，6）为中心，与 参考图大小相等，对应（i，j）位置的像素灰度。 （1）归一化积相关灰度匹配[9] 归一化积相关是一种典型的基于灰度相关的算法，具有不 受比例因子误差的影响和抗白噪声干扰能力强等优点，它使用 的相似性度量定义如下： R（a，6）= m i = 1 # n j = 1 #Xij Y（a，6）ij m i = 1 # n j = 1 #Xij2$ m i = 1 # n j = 1 #Y 2（a，6）ij$ （2） 通过比较参考图像和输入图像在各个位置的相关系数，相 关值最大的点就是最佳匹配位置。 （2）序贯相似检测算法（SSDA）[9] SSDA 算法是一种快速图像匹配算法，它使用下式作为相 似性度量： D（a，6）= 1mn m i = 1 # n j = 1 # Y（a，6）ij -Xij （3） SSDA 以随机不重复的顺序选取像元对（i，j），在进行上述 求和时不需要计算所有像素，只要其和超过某一设定的阈值， 则说明当前位置为非匹配位置，停止本次计算，否则进行下一 位置的测试，直至找到匹配点为止。 基于灰度相关的匹配能够获得较高的定位精度，但是它计 算量大，难以达到实时性要求，而且一旦进入信息贫乏的区域， 会导致误匹配率的上升。 3.2 基于特征的匹配 为克服基于灰度相关匹配方法的缺点，人们提出了基于特 征的匹配方法，该类方法首先从待配准的图像中提取特征，用 相似性度量和一些约束条件确定几何变换，最后将该变换作用 于待匹配图像。匹配中常用的特征有边缘、轮廓、直线、兴趣点、 颜色、纹理等。 （1）基于兴趣点的匹配 人们早先使用图像的边缘特征进行匹配，但是它计算比较 费时，因此后来又提出用信息含量高、数量相对少的局部特 征———兴趣点代替边缘来计算两幅图像之间的相似性。 兴趣点是图像灰度在 x 和 y 方向都有很大变化的一类局 部特征点。它包含角点、拐点以及 T-交叉点等。定位精度、重复 率和信息含量是衡量兴趣点检测算子的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 。Moravec[10]在 1977 年就提出了利用图像灰度自相关函数的兴趣点检测算子；Har- ris[11]等人提出了 Moravec 算子的改进算子，实验表明，该算子对 于图像存在旋转、照明变化和透视变形时是稳定的。文献[12]使 用 Harris 检测器提取兴趣点，通过变归一化相关，沿极线寻找 一幅图像中兴趣点的对应点，接着使用第三幅图像来得到更准 确的对应；Jane[13]提出了基于小波变换的分层图像匹配算法，在 分解后的每一层图像中提取兴趣点进行匹配，用并行策略进一 步提高速度。 （2）基于矩特征的匹配 矩作为图像的一种形状特征，已经广泛应用于计算机视觉 和模式识别等领域。Hu[14]在代数不变量的基础上首先提出了几 何矩的概念，并使用几何矩的非线性组合，导出了具有尺度、平 移和旋转不变性的矩不变量。几何矩存在信息冗余方面的缺 欠，而且对噪声比较敏感。后来，人们又推导出了正交的 Zernike 矩和 Legenkre 矩。文献[15]使用矩不变量作为匹配特 征，模糊不相似性作为匹配度量，提出了最优匹配对理论并加 以证明；Huang 和 Cohen[16]提出了一个曲线匹配的算法，使用加 权 B-样条曲线矩，解决了仿射变换和遮挡问题。使用矩的匹配 方法无需建立点的对应信息，它的缺点是不能检测图像的局部 特征，需要对图像进行分割，而且只适用于发生了刚体变换的 图像。 基于特征的匹配对于图像畸变、噪声、遮挡等具有一定的 鲁棒性，但是它的匹配性能在很大程度上取决于特征提取的质 量，而且匹配精度不高。 3.3 基于模型的匹配 模板匹配方法在计算机视觉和模式识别等领域中的应用 也非常广泛，它可以分为刚体形状匹配和变形模板匹配两大 43 2004.19 计算机工程与应用 类。在刚体形状匹配中，原型模板通过平移、旋转和尺度化等简 单变换达到和目标图像的匹配，但是它不能处理目标形状存在 较大变形时的问题，为此，人们提出使用变形模板匹配方法。 Jain[17]将变形模型分为自由式变形模型和参数式变形模型。 Kass 提出的“Snake”模型-主动轮廓模型 [18]是比较典型的 自由式变形模板模型。Snake 是能量极小化的样条，模板不包 含目标的全局结构，它只受局部连续性和平滑约束。给定一初 始轮廓，它在下面三种能量的驱动下改变轮廓的位置和形状： （1）约束轮廓形状的内部能量； （2）将轮廓吸引到显著特征的图像力； （3）引导它的行为的外力。 当由上述三项构成的能量函数最小时得到最终的图像特 征。由于不受全局结构的限制，所以 Snake 模型能表示任意的 形状，但是该模型对于模板的初始位置和噪声比较敏感，对于 凹边缘的收敛性差，而且容易陷入局部最小值。 参数化的变形模板使用了几何形状的一些先验信息，模板 用少量的参数来表示，典型的例子包括：Grenander 的模型、活 动形状模型和 Biake 的活动轮廓。两种方法可以用来表示参数 化变形模板： （1）用参数化曲线的集合表示，模板的几何形状通过改变 参数值而改变； （2）参数映射下的原型模板图像，它通过指定一个原型模 板来描述一类目标的形状，该类目标的各种形状都是通过对原 型进行参数映射而得到的，不同的参数值可以得到不同的形状。 在上面两种表示方法中，变形模板通过图像力动态调整参 数达到和图像特征之间的交互作用。和主动轮廓模型相似，参 数式变形模板用内部能量和外部能量的加权和构成的目标函 数确定一个变形模板和给定图像中目标的匹配程度。 Li[19]使用主动轮廓模型对可见光图像和 SAR 图像进行匹 配。该方法首先提取可见光图像的轮廓作为 Snake 的初始模 板，对该初始模板进行变形从而提取 SAR 图像的轮廓，之后在 提取出来的两幅图像的轮廓上选择控制点计算变换参数。此 外，变形模板在图像分割和图像检索中也得到了非常广泛的使 用[17，20~22]。 3.4 基于变换域的匹配 频域匹配技术对噪声有较高的容忍程度，检测结果与照度 无关，可处理图像之间的旋转和尺度变化 [23]。常用的频域相关 技术有相位相关和功率倒谱相关，其中相位相关技术使用相对 广泛。 设 T（X，}）为参考图像，S（X，}）为待匹配图像，S（U，1）和 R （U，1）分别为它们的傅立叶变换，这两幅图像之间存在一个平 移量（X0，}0）： S（X，}）ZT（X-X0，}-}0） （4） 它们之间的傅立叶变换关系为： S（U，1）Ze -j（UX0+1}0）R（U，1） （5） 即两幅图像之间存在平移时，它们的傅立叶变换幅值相 同，只有一个相位差。这一相位差用交叉功率谱表示为： R（U，1）S * （U，1） R（U，1）S * （U，1） =e （UX0+1}0） （6） 其中 * 为复共扼运算。相位差的傅立叶反变换在平移位置 是一个脉冲函数，因此，相位相关技术就是确定交叉功率谱相 位傅立叶反变换的峰值位置。 除了上面的傅立叶变换外，人们还选择更可靠、更符合人 眼视觉生理特征的 Gabor变换以及小波变换进行图像匹配。 4 有待进一步研究的几个问题 图像匹配算法经过几十年的发展已经取得了很大的进展， 各种算法相继提出，但是由于拍摄环境复杂多变，现有算法在 某些方面都有不尽人意的缺陷，尚且没有一种算法能解决所有 的图像匹配问题，笔者认为在以下几个方面值得更深入的研究： （1）复合匹配算法。上一节提到的四类匹配方法都有各自 的优缺点，如果能综合利用它们的优点将会取得更好的匹配结 果，文献[23]就采用了复合匹配方法，实验结果表明多种匹配方 法的结合能获得比单一匹配方法要好的结果。 （2）目前大多数算法是利用图像的全局特征，基于图像之 间存在刚性变换的前提下提出的，但是物体的全局特征一般不 容易获取，而且当物体之间存在遮挡时提取的全局特征是不可 靠的，局部特征能较好地解决这一问题，因此很有必要研究基 于图像的局部特征以及图像之间存在非线性变换时的匹配 算法。 （3）人们对灰度图像的匹配算法已经进行了比较广泛和深 入的研究，对彩色图像的研究却相对较少。图像匹配在图像检 索、三维重建、目标识别和跟踪以及人脸识别等领域都有非常 广泛的应用，通过对大量文献的阅读发现对于彩色图像的匹配 研究最多的是基于颜色特征的图像检索，而对其在其它应用中 的研究甚少，因此这也是一个值得注意的问题。 （4）实时性在飞行器巡航制导等应用中非常重要，现有算 法大多不能满足这一要求，笔者认为这主要是因为算法过于复 杂以及采用串行方式执行，所以应该尝试对算法进行改进，使 其并行实现，并结合并行计算机和神经网络等方法进一步提高 图像匹配的速度。 （5）在计算机视觉领域中，传统的边缘检测和图像匹配算 法等都采用自主的自底向上的过程，这一过程不依赖于高层知 识，所以低层处理结果的误差将传播到高层而没有修正的机 会；另外，在很多基于特征的图像匹配中，都是假设图像分割问 题已经解决或者是不存在图像分割的问题，但这些假设是不合 理的。基于模型的方法为边缘检测、图像分割以及图像匹配等 问题的研究提供一个新的思路，现有结果也展现出了该方法的 优越性，但是对它的研究还不够深入，比如变形模型对于噪声 比较敏感，初始轮廓及模板的选取困难，最优化过程易陷入局 部最小以及计算量大等都是需要进一步研究和克服的问题。 5 结束语 图像匹配研究作为计算机视觉和图像处理中的一个主要 内容有着重要的理论和实践意义，由于成像过程中各种不可预 知因素的影响，该问题至今尚未得到很好的解决，但是已经取 得了很大的进展，提出了很多新方法，而且人们还在进行不懈 的努力，该文对一些有代表性的传统匹配算法及其改进做了简 单的介绍，将它们进行合理的分类，并探讨了一些值得深入研 究的问题。（收稿日期：2003 年 12 月） 参考文献 1.孙仲康，沈振康.数字图像处理及应用[M].北京：国防工业出版社，1985 （下转 77页） 44 计算机工程与应用 2004.l9 （上接 44 页） 2.Brown L G.A survey of image registration[J].ACM Computing Surveys， l992；24（4）：325~376 3.OIson C F，HuttenIocher D P.Automatic target recognition by matching oriented edge pixeIs[J].IEEE Trans on Image Processing，l997；6（l）： l03~ll2 4.Sun Changming.A fast stereo matching method[C].In：DigitaI Image Computing：Technigues and AppIication，l997 5.HuttenIocher D P，RuckIidge W J.Comparing images using the Hausdorff distance under transIation[C].In：IEEE Computer Society Conference on Computer Vision and Pattern Recognition，l992 6.Fookes C，Bennamoun M.The use of mutuaI information for rigid medicaI image registration：A review[C].In：IEEE InternationaI Confer- ence on Systems，Man and Cybernetics，2002 7.Djekoune O A，Achour K.Segment matching using a NeuraI Network approach[C].In：IEEE InternationaI Conference on Computer Systems and AppIications，200l 8.田金文，杨磊等.基于局部分形特征的快速图像匹配方法[J].华中理工 大学学报，l996；24（2）：l2~l4 9.Barnea D I，SiIverman H F.A cIass of aIgorithms for fast digitaI im- age registration[J].IEEE Trans on Computers，l972；C-2l：l79~l86 l0.Moravec H P.Towards automatic visuaI obstacIe avoidance[C].In：Pro- ceedings of the 5th InternationaI Joint Conference on ArtificiaI InteI- Iigence，l977 ll.Harris C，Stephens M A.Combined corner and edge detector[C].In： Proceedings of the 4th AIvey Vision Conference，l988 l2.Vincent T，Laganiere R.Matching feature points for teIerobotics[C]. In：lst InternationaI Workshop on HAVE and their AppIications，2002 l3.You J，Bhattacharya P A.WaveIet-based coarse-to-fine image match- ing scheme in a paraIIeI virtuaI machine environment[J].IEEE Trans on Image Processing，2000；9（9）：l547~l559 l4.Hu M K.Pattern recognition by moments invariants[C].In：Proc IRE， l96l l5.Zeng zhanggui，Yan Hong.Region matching and optimaI matching pair theorem[C].In：Computer Graphics InternationaI 200l，200l l6.Huang zhaohui，Cohen F S.Affine-invariant B-SpIine moments for curve matching[J] .IEEE Trans on Image Processing，l996；5（l0）： l473~l480 l7.Jain A K，Zhong Y.Object matching using deformabIe modeIs[J].IEEE Trans on Pattern AnaIysis and Machine Vision，l996；l8（3）：267~278 l8.Kass M，Witkin A.Snakes：Active contour modeIs[J].InternationaI Jour- naI of Computer Vision，l987；l（l）：32l~33l l9.Li Hui，Manjunath B S.OpticaI-to-SAR registration using the active Contour modeI[C].In：27th AsiIomar Conference on SignaIs，Systems and Computers，l993 20.Oian R J，Huang T S.Robust and accurate image segmentation using deformabIe tempIates in scaIe space[C].In：InternationaI Symposium on Computer Vision，l995 2l.Chesnaud C，Refregier P.StatisticaI region snake-based segmentation adapted to different physicaI noise modeIs[J].IEEE Trans on PAMI， l999；2l（ll）：ll45~ll57 22.VaiIaya A，Zhong Y，Jain A K.A hierarchicaI system for efficient image retrievaI[C].In：Proceedings of the l3th InternationaI Conference on Pattern Recognition，l996 23.张桂林，徐捷.频域相关技术在图像匹配中的应用[J].模式识别与人 工智能，l997；l0（l）：87~92 OP ZERO ERROR THRANS PSNR BITS l6 9.2% 0 2% 0 0 24 60.2% 0 6% 0 0 30 73.5% 0 ll% 0 0 36 75.4% 0 2l% 0 0 42 73.2% 0 32% 0 0 48 74.0% 0 45% 0 0 表 2 foreman 序列 表 3 stefan 序列 OP ZERO ERROR THRANS PSNR BITS l6 25.7% 0 4% 0 0 24 34.2% 0 9% 0 0 30 62.4% 0 24% 0 0 36 78.7% 0 45% 0 0 42 86.4% 0 58% 0 0 48 90.l% 0 67% 0 0 有良好的自适应性。同时可以有效地减少变换、反变换、量化和 反量化在总编码时间中所占的比例。对典型的头肩序列 akiyo， 在 !"大于等于 30 时，全零块的检测比例超过 80%，并可以减 少近 50%以上的变换和量化的时间，效果最好。而中等运动强 度的 foreman 序列，由于在局部运动中存在运动补偿效果较差 的转动和垂直方向的运动，因此效果较 akiyo 差。但当 !"大于 30 时，也有超过 60%的全零块检测率和近 30%以上的变换量 化时间节省。在 stefan 序列中，由于存在剧烈的水平运动，编码 块中全零块的数目明显减少，因此相对的效果较差，但在低比 特率的条件下，也可以达到 70%以上的全零块检测率。并能部 分减少变换和量化部分所占时间。因此该文提出的全零块检测 技术在中低运动强度特别是低运动强度的头肩序列中可以取 得令人满意的检测结果，显著减少变换和量化模块所占时间， 降低编码器的计算复杂性。 5 结论 该文提出的全零块检测技术可以在没有误检的前提下，根 据量化系数 !"自适应地调整检测门限。在低码率时，例如典 型的 !"大于 30 时，可以有效地检测超过 70%以上的全零块， 并可以节约变换和量化模块所占的时间 30%以上，特别是对运 动复杂度中低的序列效果尤其明显。可以有效地降低 H.264 / AVC 编码器的计算复杂性，同时保持图像质量和比特率不变。 （收稿日期：2004 年 3 月） 参考文献 l.ITU-T Rec H.264\ISO / IEC l4496-l0 AVC.Document JVT-G050.7th Meeting：Pattaya，ThaiIand，2003-03 2.RaIf Sch fer，Thomas Wiegand，Heiko Schwarz.The emerging H.264 / AVC Standard.EBU TechnicaI Review，2003-0l 3.王嵩，薛全，张颖.H.264 视频编码新标准及性能分析[J].电视技术， 2003-06 4.Yu AIice，Lee R，FIynn M.EarIy detection of aII-zero coefficients in H.263.PCS'97，BerIin，Germany，l997 5.周璇，谭径微，余松煜.H.263中预先判别全零系数的新方法[J].上海交 通大学学报，l998-09 6.Henrigue S MaIvar，Antti HaIIapuro，Marta Karczewicz et aI.Low-Com- pIexity Transform and Ouantization in H.264 / AVC[J].IEEE Trans on Circuits and Systems for Video TechnoIogy，2003；l3（7） 7.JVT Reference Software Version 6le.http：/ / bs.hhi.de / ~suehring / tmI / downIoad 77 图像匹配研究进展 作者： 王红梅， 张科， 李言俊 作者单位： 西北工业大学航天工程学院803教研室,西安,710072 刊名： 计算机工程与应用 英文刊名： COMPUTER ENGINEERING AND APPLICATIONS 年，卷(期)： 2004,40(19) 被引用次数： 53次 参考文献(23条) 1.Olson C F;Huttenlocher D P Automatic target recognition by matching oriented edge pixels[外文期刊] 1997(01) 2.Brown L G A survey of image registration[外文期刊] 1992(04) 3.孙仲康;沈振康 数字图像处理及应用 1985 4.Barnea D I;Silverman H F A class of algorithms for fast digital image registration[外文期刊] 1972 5.田金文;杨磊 基于局部分形特征的快速图像匹配方法 1996(02) 6.Djekoune O A;Achour K Segment matching using a Neural Network approach[外文会议] 2001 7.Fockes C;Bennamoun M The use of mutual information for rigid medical image registration:A review 2002 8.Huttenlocher D P;Rucklidge W J Comparing images using the Hausdorff distance under translation[外文会议] 1992 9.Sun Changming A fast stereo matching method 1997 10.张桂林;徐捷 频域相关技术在图像匹配中的应用 1997(01) 11.Vailaya A;Zhong Y;Jain A K A hierarchical system for efficient image retrieval[外文会议] 1996 12.Chesnaud C;Refregier P Statistical region snake-based segmentation adapted to different physical noise models[外文期刊] 1999(11) 13.Qian R J;Huang T S Robust and accurate image segmentation using deformable templates in scale space[外文 会议] 1995 14.Li Hui;Manjunath B S Optical-to-SAR registration using the active Contour model[外文会议] 1993 15.Kass M;Witkin A Snakes:Active contour models 1987(01) 16.JAIN A K;Zhong Y Object matching using deformable models[外文期刊] 1996(03) 17.Huang zhaohui;Cohen F S Affine-invariant B-Spline moments for curve matching[外文期刊] 1996(10) 18.Zeng zhanggui;Yan Hong Region matching and optimal matching pair theorem[外文会议] 2001 19.Hu M K Pattern recognition by moments invariants 1961 20.You J;Bhattacharya P A Wavelet-based coarse-to-fine image matching scheme in a parallel virtual machine environment 2000(09) 21.Vincent T;Laganiere R Matching feature points for telerobotics[外文会议] 2002 22.Harris C;Stephens M A Combined corner and edge detector 1988 23.Moravec H P Towards automatic visual obstacle avoidance 1977 引证文献(59条) 1.倪松鹏.王晓年.朱劲 用于烟箱缺条检测的禁忌匹配算法[期刊论文]-计算机应用 2012(1) 2.王振江.吴健.林方全 一种结合快速灰度投影与SSDA的图像匹配方法[期刊论文]-计算机工程与应用 2011(33) 3.魏林媛.韩焱.李凯 一种基于成像光路的图像匹配技术[期刊论文]-计算机工程与应用 2011(35) 4.詹超.林涛.陈华斌.陈善本.刘信诠.沙万华.杨惠勤 基于局部模板匹配的GMAW初始焊位识别及工艺研究[期刊论文]-焊接 2011(9) 5.陈丽芳.刘渊.须文波 改进的归一互相关法的灰度图像模板匹配方法[期刊论文]-计算机工程与应用 2011(26) 6.陈佳坤.罗谦.曾玉林 一种用于立体图像匹配的改进稀疏匹配算法[期刊论文]-计算机技术与发展 2011(10) 7.池福俊.陈敏 图像测量系统及关键技术研究[期刊论文]-装备制造技术 2011(1) 8.全星慧.潘勇 一种基于角点匹配的图像拼接算法研究[期刊论文]-科学技术与工程 2011(4) 9.张月琴.胡斌 基于遗传神经网络的图像分割[期刊论文]-电脑开发与应用 2011(2) 10.黄新.保文星 基于改进MFD距离的快速模板匹配新算法[期刊论文]-计算机应用与软件 2010(1) 11.汪剑.谭宝成 含噪背景下的目标跟踪算法与仿真分析[期刊论文]-电子设计工程 2010(3) 12.王莉丽.李锐君 一种早期视觉计算模型的分析与改进[期刊论文]-现代计算机（专业版） 2010(9) 13.朱剑东.肖凯.冯军 基于机器视觉的圆网印花在线检测与控制系统[期刊论文]-染整技术 2010(10) 14.李磊.孟丽华 基于SIFT特征点改进搜索算法的图像匹配技术研究[期刊论文]-科技成果管理与研究 2010(6) 15.王存威.庞璐璐 基于遗传算法的目标快速跟踪技术研究[期刊论文]-指挥控制与仿真 2009(6) 16.曹耀辉 一种图像高精度匹配方法[期刊论文]-计算机仿真 2009(9) 17.马海民 基于双目视觉系统的列车轨道异物距离检测[期刊论文]-自动化与仪器仪表 2009(4) 18.兰海滨.王平.赵保军 基于色调空间的彩色图像匹配算法[期刊论文]-计算机应用研究 2009(3) 19.李林山.李忠科 人工神经网络在图像匹配中的应用[期刊论文]-电脑知识与技术 2009(20) 20.张红源.陈自力 基于Simulink的目标跟踪系统仿真[期刊论文]-电光与控制 2009(6) 21.吴刚.武春风.侯晴宇.张伟 基于不变矩特征匹配的目标定位方法[期刊论文]-光学精密工程 2009(2) 22.高文娟.李健 一种基于Freeman差分码的双目立体匹配算法研究[期刊论文]-微电子学与计算机 2009(5) 23.吴晓.曹其新 基于权值模板匹配算法的全自主足球机器人目标识别[期刊论文]-厦门大学学报（自然科学版） 2008(6) 24.冯百乐 织物图像拼接技术[期刊论文]-现代机械 2008(5) 25.康海洋.王杰生.何国金 基于有向模板和颜色加权SVD的图像匹配算法[期刊论文]-中国图象图形学报 2008(6) 26.罗元.张百胜.李玲.张毅 机器人单目导航系统中改进的灰度相关匹配法的研究[期刊论文]-重庆邮电大学学报（自然科 学版） 2008(5) 27.张红源.陈自力 图像匹配经典算法及其改进方法研究[期刊论文]-兵工自动化 2008(9) 28.夏倩.陈孝威 一种高鲁棒性的全景图拼接算法[期刊论文]-计算机工程与科学 2008(2) 29.郗安民.朱欣昱.谢飞 基于自构建多窗体结构的多目标匹配算法[期刊论文]-北京科技大学学报 2008(1) 30.金勇俊.李言俊.张科 一种透视变换图像金字塔匹配改进算法[期刊论文]-计算机工程与应用 2007(24) 31.金勇俊.李言俊.张科 图像边缘特征扩展的对数极坐标变换匹配制导方法[期刊论文]-探测与控制学报 2007(2) 32.肖献强.李欣欣.杨志刚.程光明 基于运动估计和图像匹配的视觉控制算法[期刊论文]-吉林大学学报（工学版） 2007(3) 33.王荣本.张明恒.石德乐 双目视觉技术在目标测量中的应用[期刊论文]-公路交通科技 2007(2) 34.赵小梅 印刷品缺陷在线检测算法的研究[期刊论文]-包装工程 2007(3) 35.王军.张明柱 图像匹配算法的研究进展[期刊论文]-大气与环境光学学报 2007(1) 36.伊文君 GaN发光二极管芯片自动分拣机的研究开发[学位论文]硕士 2007 37.金勇俊.李言俊.胡中功.张科 LMA和对数极坐标变换的匹配算法在景象匹配制导中的应用[期刊论文]-红外与激光工程 2006(z1) 38.张强.那彦.李建军 基于边缘几何特征和频域相关技术的图像匹配方法[期刊论文]-应用光学 2006(4) 39.范秋凤.杨国胜.马晓燕.王应军 基于对应点匹配的物体深度信息测量[期刊论文]-计算机应用 2006(8) 40.陈殿生.范兴.胡磊 基于自制标尺的C臂X光全景图像拼接方法[期刊论文]-高技术通讯 2006(10) 41.黄晓峰.周孑民.彭伟.黄学章 图像处理在发动机喷嘴性能检测中的应用[期刊论文]-计算机测量与控制 2006(7) 42.朱宏德.娄小平.邓文怡.吕乃光 二维机器视觉测量中的图元识别[期刊论文]-计算机工程与应用 2006(3) 43.何攀利 数学图像拼接算法的研究[学位论文]硕士 2006 44.胡友为 遗传算法在图像识别中的应用研究[学位论文]硕士 2006 45.杨锋 图像匹配系统的嵌入式实现[学位论文]硕士 2006 46.白亮 基于计算机视觉辅助的组合导航系统[学位论文]硕士 2006 47.原慧臻 数字图像拼接算法的研究[学位论文]硕士 2006 48.林宏津 合成孔径雷达图像目标检测与优化搜索[学位论文]硕士 2006 49.魏伟波 基于图像的目标自动识别与跟踪技术研究[学位论文]博士 2006 50.袁莉茹 基于图像处理的军用自动报靶系统弹孔识别[学位论文]硕士 2006 51.吴培景.陈光梦 一种改进的SSDA图像匹配算法[期刊论文]-计算机工程与应用 2005(33) 52.黄旭华 基于灰度的图像快速匹配算法[期刊论文]-战术导弹控制技术 2005(4) 53.陈亚军.张二虎 基于图像处理的印刷缺陷在线检测系统研究[期刊论文]-包装工程 2005(6) 54.孙永华 基于图像处理技术的气缸套表面磨损检测方法研究[学位论文]硕士 2005 55.项学智 复杂条件下的圆检测技术研究[学位论文]硕士 2005 56.罗峰 合成孔径雷达图像自动目标识别方法研究[学位论文]硕士 2005 57.吴培景 基于SSDA算法改进的运动目标跟踪[学位论文]硕士 2005 58.陈利军 图像角点检测和匹配算法的研究[学位论文]硕士 2005 59.白洋 末制导DBS成像环境建模及图像匹配研究[学位论文]硕士 2004 本文链接：http://d.g.wanfangdata.com.cn/Periodical_jsjgcyyy200419013.aspx