图像匹配相似度分析的matlabgui实现【字数：15965】
摘 要在科学技术的快速发展的同时，数字图像的采集和传输的途径不断增加，以及相关设备的大量应用，数字图像的数据量大幅上升，使得图像匹配在数字图像的研究中占有重要地位，而图像的相似度研究是图像匹配领域中的一个非常重要的基本问题。图像相似度是根据图像的一些灰度，纹理，形状等特征，对图像进行比较以便计算图像的相似度。本课题是关于对图像特征提取和图像相似度计算等相关算法的内容研究，通过MATLAB软件工具对研究过程进行编程及呈现结果。首先利SIFT(Scale-invariant feature transform)算法提取图像特征点，找到相似特征点对并连接起来，再分析图像在尺度，旋转，噪声，滤波变化下的匹配效果。本文同时采用基于灰度值对图像相似度的研究，并通过互信息，互相关，图像直方图，闵氏距离的方法计算图像的相似度。最后通过MATLAB GUI实现原图像与待匹配图像的相似度计算的操作及结果显示。
目录
1.绪论 1
1.1研究意义和目的 1
1.2国内外研究现状 1
1.3课题主要研究内容 2
1.4内容组织 3
2. MATLB GUI实现图像相似度分析 4
2.1 MATLAB简介 4
2.2 MATLAB GUI简介 5
2.3MATLAB GUI设计 7
2.3.1图像获取模块 8
2.3.2图像处理模块 9
2.3.3图像相似度模块 10
2.4本章小结 10
3.图像相似度的基本理论 11
3.1图像相似度相关概念 11
3.1.1.数字图像 11
3.1.2.图像匹配 11
3.1.3图像特征 11
3.1.4图像特征点 12
3.1.5.图像灰度 12
3.2图像相似度的算法分类 13
3.2.1基于图像点特征的相似度分析算法 13
3.2.2基于图像灰度的相似度分析算法 13
3.3本章小结 13
4.基于SIFT的图像特征点的相似度算法实现 14
4.1SIFT算法的基本原理 14 *好棒文|www.hbsrm.com +Q: ^351916072#
4.1.1SIFT算法的特点 14
4.1.2SIFT算法的操作步骤 14
4.2算法的具体实现 19
4.2.1图像在尺度变化下的匹配效果 20
4.2.2图像在旋转变化下的匹配效果 21
4.2.3图像在噪声影响下的匹配效果 22
4.2.4图像在滤波影响下的匹配效果 23
4.4本章小结 24
5.基于图像灰度的相似度算法实现 25
5.1归一化互相关相似度算法 25
5.1.1算法的基本原理 25
5.1.2算法的具体实现 25
5.2 归一化互信息相似度算法 26
5.2.1算法的基本原理 26
5.2.2算法的具体实现 27
5.3图像直方图的相似度算法 28
5.3.1算法的基本原理 28
5.3.2算法的具体实现 29
5.4闵氏距离的相似度算法 30
5.4.1算法的基本原理 30
5.4.2算法的具体实现 31
5.5本章小结 32
6. 总结与展望 33
6.1总结 33
6.2后续工作展望 33
参考文献 34
致谢 35
1.绪论
1.1研究意义和目的
图像匹配是数字图像处理的领域中非常重要的一部分，通常是对两幅或者是多幅图像的相似性和一致性的分析，而这些图像往往是在不同时间，不同采集设备，不同角度等不同环境状况下获得的。图像的相似性的研究是图像匹配中一个不可忽视的部分，对一些失真的图像[1][2][3]，可以利用图像的相似性，提取出失真图像的角点特征，来搜索出失真的原图像，图像相似性的研究是一个非常具有挑战的课题，因此成为一个热点，从而产生了大量的图像相似度的算法及表示方法。
本课题拟对图像特征提取和图像相似度计算等相关算法的内容进行研究，通过MATLAB软件工具对研究过程进行编程及呈现结果。图像与图像之间总会存在某种联系，图像相似度分析则是通过对图像的形状结构，灰度值等特征的分析找出相似的部分。在本课题的研究中，主要分为基于图像灰度值的相似度分析和基于图像特征点的相似度分析两个内容，从这两个不同的方向对图像的相似度进行分析比较。本课题通过MATLAB GUI界面进行操作以及结果展示，界面提供获取图像，处理图像，选取图像相似度分析方式和相似度显示四个部分，使得整个操作过程系统化，结果显示更加清晰。
1.2国内外研究现状
随着互联网以及整个信息领域的急速发展，数字图像的采集的方式及其传输途径的更加多样化，数字图像不仅在数量上有了迅猛增长，而且在种类上也发生了相当快速的的增长。对于不断增长的数据量人们希望能够高效的运用，然而除非的图像的数据可以被有效并且有效率的利用于检索、查询和浏览方面，否则这些庞大的数字图像数据便得不到合理充分的应用，从而失去了其自身应有的某些价值。图像相似度的研究既是数字图像处理领域中的基础研究课题优势具有极其广阔的研究课题，它和计算机视觉、遥感以及医学影像等领域都有着密不可分的关系，并且在其中扮演着不可或缺的角色，例如在图像的拼接、检索、识别、分类、校正等，都需要用到图像的相似性[4]。
目前，在国内外对于图像相似度的研究已经取得了很好的成绩，来自不同领域的研究者，根据自身研究领域及环境对没有同一概念的图像相似度，提出了自己对于图像相似度的看法，也定义了自己关于图像相似度的计算算法。有的在用SIFT(Scaleinvariant feature transform)算法对图像特征点提取后会用RANSAC对匹配点进行提纯[5]，这样可以有效去除了粗提取中错误特征点，有的在SIFT算法提取图像的基础上，再用KD树进行相似度计算[6]，以确保最终得到的特征点的准确性，或是对于其算法进行改进，来得到可观的特征点提取，然后利用图像的特征点数、特征点距离等属性对图像进行相似度计算来分析图像的相似性；有的利用SIFT算法不只局限于提取图像的特征点，而是提取多种图像的特征，比如纹理，颜色等结合对图像多方面的考量计算图像的相似度，有效的降低了研究误差，更加客观的呈现图像相似度分析的结果，提高精准度；有的偏向于研究图像匹配的匹配速度，图像相似度的计算速度，提高图像在检索中的效率；有的更加重视图像相似度在稳定性方面的研究，提高图像在实际应用中的抗干扰能力。要对图像的效率和稳定性等方面进行研究，首先要保证其研究结果的相似度具有一定的精准度。
目录
1.绪论 1
1.1研究意义和目的 1
1.2国内外研究现状 1
1.3课题主要研究内容 2
1.4内容组织 3
2. MATLB GUI实现图像相似度分析 4
2.1 MATLAB简介 4
2.2 MATLAB GUI简介 5
2.3MATLAB GUI设计 7
2.3.1图像获取模块 8
2.3.2图像处理模块 9
2.3.3图像相似度模块 10
2.4本章小结 10
3.图像相似度的基本理论 11
3.1图像相似度相关概念 11
3.1.1.数字图像 11
3.1.2.图像匹配 11
3.1.3图像特征 11
3.1.4图像特征点 12
3.1.5.图像灰度 12
3.2图像相似度的算法分类 13
3.2.1基于图像点特征的相似度分析算法 13
3.2.2基于图像灰度的相似度分析算法 13
3.3本章小结 13
4.基于SIFT的图像特征点的相似度算法实现 14
4.1SIFT算法的基本原理 14 *好棒文|www.hbsrm.com +Q: ^351916072#
4.1.1SIFT算法的特点 14
4.1.2SIFT算法的操作步骤 14
4.2算法的具体实现 19
4.2.1图像在尺度变化下的匹配效果 20
4.2.2图像在旋转变化下的匹配效果 21
4.2.3图像在噪声影响下的匹配效果 22
4.2.4图像在滤波影响下的匹配效果 23
4.4本章小结 24
5.基于图像灰度的相似度算法实现 25
5.1归一化互相关相似度算法 25
5.1.1算法的基本原理 25
5.1.2算法的具体实现 25
5.2 归一化互信息相似度算法 26
5.2.1算法的基本原理 26
5.2.2算法的具体实现 27
5.3图像直方图的相似度算法 28
5.3.1算法的基本原理 28
5.3.2算法的具体实现 29
5.4闵氏距离的相似度算法 30
5.4.1算法的基本原理 30
5.4.2算法的具体实现 31
5.5本章小结 32
6. 总结与展望 33
6.1总结 33
6.2后续工作展望 33
参考文献 34
致谢 35
1.绪论
1.1研究意义和目的
图像匹配是数字图像处理的领域中非常重要的一部分，通常是对两幅或者是多幅图像的相似性和一致性的分析，而这些图像往往是在不同时间，不同采集设备，不同角度等不同环境状况下获得的。图像的相似性的研究是图像匹配中一个不可忽视的部分，对一些失真的图像[1][2][3]，可以利用图像的相似性，提取出失真图像的角点特征，来搜索出失真的原图像，图像相似性的研究是一个非常具有挑战的课题，因此成为一个热点，从而产生了大量的图像相似度的算法及表示方法。
本课题拟对图像特征提取和图像相似度计算等相关算法的内容进行研究，通过MATLAB软件工具对研究过程进行编程及呈现结果。图像与图像之间总会存在某种联系，图像相似度分析则是通过对图像的形状结构，灰度值等特征的分析找出相似的部分。在本课题的研究中，主要分为基于图像灰度值的相似度分析和基于图像特征点的相似度分析两个内容，从这两个不同的方向对图像的相似度进行分析比较。本课题通过MATLAB GUI界面进行操作以及结果展示，界面提供获取图像，处理图像，选取图像相似度分析方式和相似度显示四个部分，使得整个操作过程系统化，结果显示更加清晰。
1.2国内外研究现状
随着互联网以及整个信息领域的急速发展，数字图像的采集的方式及其传输途径的更加多样化，数字图像不仅在数量上有了迅猛增长，而且在种类上也发生了相当快速的的增长。对于不断增长的数据量人们希望能够高效的运用，然而除非的图像的数据可以被有效并且有效率的利用于检索、查询和浏览方面，否则这些庞大的数字图像数据便得不到合理充分的应用，从而失去了其自身应有的某些价值。图像相似度的研究既是数字图像处理领域中的基础研究课题优势具有极其广阔的研究课题，它和计算机视觉、遥感以及医学影像等领域都有着密不可分的关系，并且在其中扮演着不可或缺的角色，例如在图像的拼接、检索、识别、分类、校正等，都需要用到图像的相似性[4]。
目前，在国内外对于图像相似度的研究已经取得了很好的成绩，来自不同领域的研究者，根据自身研究领域及环境对没有同一概念的图像相似度，提出了自己对于图像相似度的看法，也定义了自己关于图像相似度的计算算法。有的在用SIFT(Scaleinvariant feature transform)算法对图像特征点提取后会用RANSAC对匹配点进行提纯[5]，这样可以有效去除了粗提取中错误特征点，有的在SIFT算法提取图像的基础上，再用KD树进行相似度计算[6]，以确保最终得到的特征点的准确性，或是对于其算法进行改进，来得到可观的特征点提取，然后利用图像的特征点数、特征点距离等属性对图像进行相似度计算来分析图像的相似性；有的利用SIFT算法不只局限于提取图像的特征点，而是提取多种图像的特征，比如纹理，颜色等结合对图像多方面的考量计算图像的相似度，有效的降低了研究误差，更加客观的呈现图像相似度分析的结果，提高精准度；有的偏向于研究图像匹配的匹配速度，图像相似度的计算速度，提高图像在检索中的效率；有的更加重视图像相似度在稳定性方面的研究，提高图像在实际应用中的抗干扰能力。要对图像的效率和稳定性等方面进行研究，首先要保证其研究结果的相似度具有一定的精准度。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/541.html
