甘新胜

(江苏自动化研究所,江苏 连云港 222006)

图像匹配技术是计算机视觉领域的一项关键技术在图像配准、模式识别、目标跟踪等方面都有应用。图像匹配通常提取两幅图像的特征点形成特征点集,再通过相似性准则描述两个点集的相似度。特征点可以是边缘点、角点等。通常特征点选取在噪声、光照、成像角度等变化下均能检测到的特征,具有较强的稳定性。图像匹配考虑的是两幅图像特征点集的相似性,如果不考虑特征点的提取过程,影响两个图像点集匹配的主要原因是遮挡、局部变化等因素。选择正确的相似性准则是图像匹配过程中一个重要的步骤。

Hausdorff距离(HD)的原始定义噪声敏感,很难在实际的图像匹配中应用。通过对HD的改进能够消除其本身存在的局限性,Huttenlocher等人[1]提出了部分HD,将最小距离排序再取其中的一个,该改进消除了噪声的干扰,但在实际应用中,部分比例设置的精确程度影响匹配的效果。Dubuisson等人[2]提出了均值HD(MHD),计算过程中把噪声也用于计算,在实际应用效果不如部分HD。Azencott等人[3]提出了一种Censord HD(CHD),该改进需要两次排序,计算复杂度较高。Sim 等人[4]基于M-估计和最小截取二乘法提出了M-HD和LTS-HD,两者均是屏除噪声点进行计算,与 PHD一样存在参数的设置问题。汪亚明[5]在 LTS-HD和 M-HD基础上提出了鲁棒性HD(RHD),RHD依赖于两个参数的设置,而且在计算过程进行伪边缘去除,这个操作复杂度较高,在实际匹配中无法准确判定哪些是伪边缘。改进的一种形式是加权 HD(WHD)[6～9],这种方法通常用于面部识别、文字识别等能够预先知道物体的各个部分的空间分布。……