基于方向特征线与极坐标变换的景象匹配

复杂背景下图像匹配是目标识别领域的一个重点和难点，常用于实时采集的图像与航拍图片进行图像匹配来进行图像导航，又称为景象匹配技术，景象匹配技术面对的是复杂的自然场景，图像之间存在复杂多变的成像畸变，如光照、灰度、视角、尺度等差异，这也是景象匹配技术的难度所在，本文旨在寻求一种景象匹配算法，使其具有尺度无关，抗旋转、光照变化和图像轻微畸变的特性，适用于复杂背景下的景象匹配。本课题采用全新的思路：应用特征线与极坐标图像的向量描述相结合的方法，应用旋转缩放无关的向量来对图像特征进行表征，该方法包括特征线的提取、表征与匹配技术，具有旋转和缩放无关的特性，初步实验证明，这种基于特征线的景象匹配算法可以完成复杂背景下图像间的匹配，并具有很好的鲁棒性。

图像匹配技术是近年来计算机视觉领域的重要基础课题，本项目提出了一种全新的方法，利用特征线匹配来实现更加鲁棒稳定的图像匹配，其中的技术包括特征线的检测，特征向量的描述以及匹配，命名为RIFLT方法（旋转无关特征线变换方法），提取出的特征具有旋转缩放不变的性质。实验证明，本项目提出的方法与著名的SIFT算法相比，对线条丰富的自然景观图像具有更好的抗噪声能力，提取的特征具有视觉意义更能够被主观辨认，而且提取的特征位置分布更加分散，效率更高。采用本项目提出的基于特征线的图像匹配方法可以进行两幅具有旋转缩放及轻微畸变的同场景图像间的匹配，而且匹配步骤更加简单。