边缘特征提取及其在图像匹配中的应用研究答辩稿.pptVIP

图像匹配结果 图像匹配原始图像 图像匹配结果 图像匹配结果效果图 边缘检测 Canny边缘检测算法 step1:用高斯滤波器平滑图象； step2:用一阶偏导的有限差分来计算梯度的幅值和方向； step3:对梯度幅值进行非极大值抑制； step4:用双阈值算法检测和连接边缘。 程序如下 I = imread(yun01.png);%读取图像 BW1 = edge(I,canny);%使用canny方法检测边缘 subplot(221), imshow(I);%显示原图像 subplot(222), imshow(BW1);%显示canny方法检测的边缘 边缘检测 Canny算法边缘检测效果图 基于边缘的特征匹配程序 clear all; A=imread(onion.png); B=imread(peppers.png); BW1=edge(A,canny); BW2 = edge(B,canny); for m=1:315 for n=1:250 I=imcrop(BW2,[m,n,197,134]); C=imsubtract(I,BW1); E=abs(C); G(m,n)=sum(sum(E)); [m1,n1]=find(G==min(min(G))); end end S=min(min(G)), m1, n1, imshow(B); rectangle(Position,[m1,n1,198,135],Curvature,[0,0],LineWidth,2,EdgeColor,w); 基于边缘的图像匹配 先检测图像的边缘再进行匹配 基于边缘的图像匹配 基于边缘的图像匹配最终结果 旋转后的图像匹配 将基准图旋转3度后再进行图像匹配 结果分析 理想状态下成功的在原图中框出子图的位置，说明本文用到的方法是可行的，但是在图像旋转三度后再进行图像匹配没能准确地找出子图的位置，因为本文用到的方法是最基本的匹配方法，有一定的缺陷，还有待改进。 谢谢 Company Logo LOGO 论文题目： 边缘特征提取及其在图像匹配中的应用研究 指导老师： 学 生： 毕业时间：2014年6月 论文的总体结构和主要内容 第一章：课题的研究背景及意义 第二章：图像匹配 第三章：边缘检测 第四章：仿真 第五章：总结 当今社会是信息社会，各种媒体各种工具相互交存于社会的方方面面，而图像在其中又占据了极其重要的地位。数字图像的特点决定了其灵活性，并且以强大的功能成为现阶段图像处理技术的主流。 图像匹配是图像处理的基础任务之一，早在70年代，人们就开始了在图像匹配方面的研究，近年来图像匹配技术的研究涵盖了多个应用领域，在计算机视觉及模式识别、医学图像分析、遥感数据处理、机器人学、计算机辅助设计与制造、天文学等学科中匹配技术均占有举足轻重的地位。所以选择合适有效的匹配方法，探索高效的图像匹配方法具有广阔的应用前景。 课题的背景及意义 图像匹配方法的流程 本文用到的图像匹配方法的过程可以分为以下四个步骤： 选择匹配区域 边缘检测 特征匹配 确定位置 匹配子图 图像匹配基准图像 边缘检测与提取 图像边缘检测的主要内容 1：图像获得和抽样 2：图像分割 3：边界查索 4：图像增强和复原 5：图像分类（识别） 6：图像变换 边缘检测与提取 图像边缘检测的基本步骤 1：滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。 2：增强。增强算法将邻域中灰度有显著变化的点突出显示一般通过计算梯度幅值完成。 3：检测。在有些图像中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值阈值判定。 4：定位。精确确定边缘的位置 滤波 增强 检测 定位 子图像检测结果 原图边缘检测结果 匹配效果图 旋转后的匹配结果 在此论文完成之际，首先应该向我的导师王红梅老师表示最衷心的感谢和深深地敬意，感谢王红梅老师对我毕业设计工作上的指导和帮助。 在四年的大学生活里，还有许多老师和同学的关心和帮助，在此向大家致以衷心的感谢。 致谢 祝各位老师：工作顺利，身体健康。 Company Logo LOGO