吉林大学：基于Harris的SURF算法：抗视角图像匹配提升

本篇吉林大学计算机科学与技术学院的毕业论文主要探讨了基于SURF算法的抗视角变换图像匹配技术。随着图像处理技术的发展，图像匹配技术日益重要，尤其在处理同一场景中不同视角或尺度变化的图像对应关系时，传统方法如基于小波变换的匹配算法在面对复杂场景时效果受限。 论文首先概述了图像匹配的基本概念，即通过选择适当的搜索策略和相似性准则，寻找基准图像和校准图像中同一物体的结构点之间的对应关系。然而，传统的图像匹配技术往往局限于平移和旋转，对视角变化的适应性较差。现实生活中的应用场景经常涉及从不同角度拍摄同一物体，这就需要开发能抵抗视角变化的图像匹配算法。 作者对比了包括SIFT（尺度不变特征变换）在内的三种匹配方法，并发现SURF（Speeded Up Robust Features）算法在对抗视角变换方面表现出色。SURF的特点在于其高效性和鲁棒性，能够在图像中快速检测并描述关键点。然而，当视角变化较大时，SURF可能会遇到难以找到足够多特征点对导致匹配失败的问题。 因此，本论文提出了一种改进的抗视角变换图像匹配方法，结合了Harris角点检测器和SURF算法。Harris检测器用于定位图像中的特征点，这些特征点与SURF检测出的特征点相结合，增加了匹配点对的数量。这种策略旨在解决在大视角变化情况下，SURF算法匹配性能下降的问题。 实验结果显示，通过这种方法，抗视角的SURF算法在不同视角图像匹配中取得了显著的性能提升，能够更有效地处理视角变化带来的挑战，从而提高图像匹配的成功率。论文的关键字包括SIFT、抗视角变换、小波变换、SURF以及Harris检测器，展示了作者对这一领域深入研究和技术创新的贡献。 总结来说，这篇毕业论文的核心内容是开发了一种增强的SURF算法，以应对图像匹配中的视角变化问题，通过结合Harris角点检测，提高了匹配的稳定性和准确性，具有实际应用价值。