基于分数阶微积分的图像特征匹配的方法研究

随着分数阶微积分理论提出和发展，特别是发现在一些要求非常准确的系统的描述时，分数阶微积分理论能够非常有效的实现其要求，分数阶微积分的运用在越来越广泛的领域渐渐发展起来。与整数阶相比，分数阶微积分在信号处理中有较好的优势；分数阶微分运算能对图像进行有效的增强的同时，还会很好的保留图像的纹理细节，这是主要区别于整数阶微分的主要特点。因此，把分数阶微积分引入到图像处理中，是图像处理领域研究和应用的新的思路和方向。

本文运用分数阶微积分在图像特征提取和图像增强领域中的理论成果，结合基于特征的匹配算法，主要是SIFT特征匹配的算法，对图像特征匹配进行研究与讨论。

SIFT图像匹配算法主要是基于局部特征的匹配算法，所以特征点的稳定性对图像匹配的影响是至关重要的。因此，本论文把分数阶微积分引入到图像匹配中，从微分和积分两个方面分别对图像特征匹配进行研究，以提高图像特征的质量。

在研究与分析SIFT（尺度不变特征变换）的基础上，用分数阶微积分滤波和高斯滤波相结合的方法来改进SIFT匹配算法，并且从大量的实验数据验证结果来看，与Lowe的经典SIFT匹配效果相比，引入分数阶微积分的SIFT特征匹配算法不仅很大程度上提高了所检测出的特征关键点的数量，而且能够提高SIFT特征关键点的稳定性，从整体上提高了匹配的精度和算法的稳健性，减少了错误匹配的数量。

而且，特别是在目标图像纹理信息比较丰富的匹配中，其匹配效果更佳。

点击标签浏览更多相关技术资料资源：