图像匹配是计算机视觉中的一个重要问题，也是许多视觉应用工作的基础。在实际中，由于拍摄时间、拍摄角度、非线性形变等诸多因素的影响，使得解图像匹配问题非常困难。非刚性图像匹配中特征匹配是核心内容。为了使研究的方法具有更好的通用性，作者采用*层次的特征——点，来展开研究。本书介绍的主要内容是基于点匹配的图像匹配算法及其相关应用。点匹配算法需要寻找点集间的对应关系和变换关系。实际图像对中，由于噪声、遮挡、离群点及非线性形变的影响，为点集匹配带来了困难。为了尽可能的去除图像对中存在的离群点和噪声点，找到正确的图像点集对应关系，近年来，许多研究者提出了各种各样的方法来解决这个问题，取得了一定的效果，但离实际的要求还有距离。如何找到新的算法，使其能够取得比现有方法更好的性能，是图像匹配算法一直所关注的。此外，现有的点集匹配算法都不能处理图像对中有多种大的形变的情况，这意味着要求匹配算法能够区分不同部分的不同变换关系。由于图像中每一部分都可能存在一种复杂的变换关系，对这种匹配算法的研究是一个巨大的挑战。
更多科学出版社服务，请扫码获取。
目录
第1章 绪论 1
1.1 概述 1
1.2 图像匹配问题的定义和分类 1
1.2.1 图像匹配问题的定义 1
1.2.2 图像匹配方法的分类 3
1.3 图像匹配问题的基本框架 5
1.3.1 问题的数学描述 7
1.3.2 特征提取及描述 11
1.3.3 特征匹配 14
1.3.4 存在的问题及解决方案 17
1.3.5 研究趋势 19
第2章 基于空间关系一致性的刚性点集匹配算法 21
2.1 概述 21
2.2 图像初始特征点的提取与匹配 22
2.3 空间关系一致性算法 24
2.3.1 问题建模 24
2.3.2 问题求解 25
2.3.3 刚性变换估计 27
2.4 算法复杂度分析 30
2.5 实验结果及分析 30
2.5.1 实验配置 30
2.5.2 单应实验结果 31
2.5.3 基础矩阵实验 35
2.6 收敛性分析 36
2.7 相关算法分析 38
第3章 基于空间关系一致性的非刚性点集匹配算法 39
3.1 概述 39
3.2 点对应的建立 40
3.3 非刚性变换关系的估计 41
3.3.1 问题建模 41
3.3.2 问题求解 42
3.3.3 变换函数的估计 44
3.4 形状匹配算法分析 46
3.5 实验结果及分析 47
3.5.1 形状匹配结果 47
3.5.2 图像匹配结果 51
3.6 收敛性分析 60
3.7 相关算法分析 61
第4章 基于分层混合模型的鲁棒点匹配算法 63
4.1 概述 63
4.2 混合变换估计 64
4.2.1 问题建模 64
4.2.2 问题求解 65
4.3 快速算法 67
4.4 算法复杂度分析 68
4.5 分层非刚性点集匹配问题 69
4.6 实验结果及分析 70
第5章 基于特征导引的图像匹配算法 75
5.1 概述 75
5.2 特征导引算法 76
5.2.1 基于边缘图的特征提取 76
5.2.2 问题建模 77
5.2.3 问题求解 78
5.2.4 局部几何约束 80
5.2.5 几何形变估计 80
5.2.6 算法复杂度分析 82
5.2.7 算法参数说明 83
5.3 实验结果及分析 83
5.3.1 数据集和评估标准 84
5.3.2 多模态图像的结果 84
5.3.3 部分重叠图像的配准结果 87
5.3.4 部分重叠的多模态图像对的配准结果 90
第6章 基于稀疏点集与稠密流的匹配算法 93
6.1 概述 93
6.2 基于局部线性约束的稀疏点集匹配 93
6.3 基于SIFT流的稠密像素匹配 95
6.4 基于稀疏点集与稠密流的匹配模型构建和求解 96
6.4.1 问题建模 96
6.4.2 优化求解 96
6.4.3 实施细节 98
6.5 实验结果及分析 99
6.5.1 数据集和设置 99
6.5.2 定性实验 101
6.5.3 定量实验 103
第7章 基于同类相似性的类别检索 105
7.1 概述 105
7.2 算法思想描述 105
7.3 检索算法实现 107
7.3.1 图像间相似性度量 107
7.3.2 问题表述 107
7.3.3 图模型 109
7.3.4 扩展：汇总和最大化相似性 110
7.3.5 计算复杂度 110
7.4 实验结果及分析 111
7.4.1 实验数据库 111
7.4.2 MPEG-7形状数据库上对比结果 111
7.4.3 N-S数据库上对比结果 113
7.4.4 AT&T人脸数据库上对比结果 115
第8章 机器人拓扑导航 117
8.1 概述 117
8.2 拓扑建图和局部化 118
8.2.1 CNN特征的图像比较 120
8.2.2 图像清晰度测量 121
8.2.3 ORB特征提取 121
8.3 基于非刚体特征匹配的几何校验 122
8.3.1 基于图像对的向量场 122
8.3.2 VFC算法表述 123
8.4 实验结果及分析 124
8.4.1 CNN特征的图像相似性比较 125
8.4.2 清晰度度量 125
8.4.3 ORB特征提取效率 126
8.4.4 VFC的几何验证 127
8.4.5 拓扑导航 128
第9章 视觉归巢 130
9.1 概述 130
9.2 全景运动流的平滑先验 130
9.2.1 运动流的平滑性 130
9.2.2 平滑先验的验证 132
9.3 基于平滑先验的关键点匹配和视觉归巢 133
9.3.1 全景图像对诱导的运动流 133
9.3.2 基于平滑先验的内点检测公式化 135
9.3.3 基于平滑先验的内点检测实现 136
9.3.4 基于运动流的奇点进行视觉归巢 138
9.4 实验结果及分析 139
9.4.1 实验设置 139
9.4.2 实验结果 141
参考文献 143
附录I 专用词汇中英文对照 150
附录II 定理4.1的证明 152
书单推荐
