2.3  局部特征描述符 16

2.4  本章小结 18

3  SURF算法及其基本实现 20

3.1  特征点提取 20

3.2  特征描述符 22

3.3  本章小结 23

4  BRIEF算法及其基本实现 24

4.1  特征点提取与匹配 24

4.2  本章小结 26

5  实验结果 27

5.1  BRIEF算法实验结果 27

5.2  BRIEF与SIFT算法结果对比 34

5.3  本章小结 39

结  论 40

致  谢 41

参考文献 42

1  绪论

1.1  选题意义

近些年来，伴随着科技发展的日新月异，计算机处理能力得到了飞速提高，各类图像处理算法不断涌现。基于此，计算机视觉技术得到不断发展。图像匹配是计算机技术中许多应用的关键，例如图像配准、目标识别、图像检测、目标跟踪等。其中，图像配准分为基于灰度和基于特征的配准方法，基于特征的图像匹配方法的主要步骤是特征提取与特征描述。

近年来大批学者在局部特征描述符方面做了大量研究，局部特征在图像配准、图像识别、图像检索、纹理识别、视频数据挖掘、图像分类等[1]领域都有广泛的应用，基于二值特征的图像配准研究是近期的主要热点之一。

基于这一点，我选择了“图像局部二值特征描述符研究与应用”这一课题，体现了研究的前瞻性和深入性。

1.2  图像配准概述

图像配准是上世纪80年代以来发展比较迅速的图像处理技术之一，最早是军方的研究项目[2]，随着科技的不断进步，它逐步在模式识别、计算机视觉、计算机辅助设计与制造、自动导航、医学图像处理、气象预报、遥感图像处理等[3]各项领域中运用广泛。通过对图像的精确配准，我们能更好地完成图像信息融合、目标定位、变化检测等后续工作的处理，可以认为它是其他后续工作的基石，处理结果的好坏会直接影响到后续工作。

1.3  图像配准原理

在图像处理领域，图像配准是介于图像分析和图像处理的基本问题，是针对同一场景中两幅或多幅图像在空间上的最佳匹配和叠加过程的问题[5]。图像配准定义为两幅图像在灰度上的映射，数字图像可用一个二维矩阵来代表，如果 和 分别表示相应位置(x,y)上的灰度值，则图像间的配准关系的数学表达式为：

(1.1)

式中 表示二维几何变换函数， 表示一维灰度变化函数。配准的目的是寻找最佳空间和灰度变换关系，使得两幅图像实现最佳对准。

配准所要解决的就是能否找出一种用来纠正图像形变的图像转换方法。根据Brown总结可以得出，在计算机视觉、模式识别、遥感数据处理等几个主要应用领域，图像配准可大体归为四类[6]：

(1)同一场景不同传感方式获得的图像配准。此类图像配准方式主要涉及的问题是多传感器所收集图像的信息融合问题。由于其灰度和对比度可能存在较大差异，因此实际操作中，会存在预配准和寻找基准标志简化图像的做法。在医学、军事等领域有很大用处。