HDevelop基于特征的轮廓的形状匹配+程序(4)
本文研究重点是基于轮廓的形状匹配，因此没有考虑对图像预处理如图像降噪、增强的方法进行研究和介绍。所采用的图像均为轮廓可辨识的清晰图像。
1.4 国内内外的研究现状
图像匹配技术在近30年来一直是人们的研究热点和难点。图像匹配技术的提出最早是在70年代的美国，一些美国军方从事飞行器辅助导航系统的军事研究时提出来的。经历了10多年的发展，从80年代以后，其应用逐步从原来军事应用扩大到其它民用领域。
现在研究地比较多的两种匹配方法是基于图像灰度的匹配方法和基于图像特征的匹配方法。
1.5 论文研究内容和结构
本文的研究内容如下：
（1） 深入的研究了形状匹配的基本方法，分析了形状匹配的一般流程，介绍了基于区域和特征的两种形状匹配方法。
（2） 按步骤研究了基于特征的形状匹配的特征提取，相似性度量以及搜索策略。
（3） 对比了常见的边缘提取算子，并总结各自的优缺点。
本文的结构：
第一章为绪论，先是简单的介绍了形状匹配的概念，其次说命了本课题的研究意义和其研究现状，最后指出本论文的结构和研究方法。
第二章，介绍形状匹配的一般步骤。
第三章，由于基于灰度的形状匹配存在种种的缺点，所以本章详细介绍为了减少计算量和抗旋转的变换的基于特征的匹配算法。列举了四种常见的旋转不变特征，然后对特征提取、相似度衡量和遗传算法搜索策略进行了研究。
第四章，研究了几种边缘还提取算子，分析并对比了几种算子在边缘提取时的效果，总结了各个算子的优缺点。介绍了两种常用的边界描述方法。
第五章，介绍了一套完善的标准的机器视觉算法包软件HDevelop，并在该软件进行基于轮廓的实验，并分析结果。
最后是实验结论、致谢和参考文献。
2 基于灰度的形状匹配
图像的灰度值信息包含了图像记录的所有信息。基于像素灰度值的匹配是最基本的匹配思想。通常直接利用整幅图像的灰度信息建立两幅图像之间的相似度量，然后采用某种搜索方法寻找使相似度量值最大或最小的变换模型的参数值。常用的相似性度量有两幅图像灰度的平方差之和、互相关、序贯相似度检测和相位相关等。
基于图像灰度的配准方法不需要对图像特征进行提取，而是直接利用全部可用的灰度信息，因此能提高估计的精度的鲁棒性。但由于这种方法把匹配点周围区域的点的灰度都考虑进来进行计算，因此其计算量大，运算速度较慢。
下一篇：LED无线智能控制系统软件开发