基于SURF的弹底窝痕特征点快速匹配算法研究开题报告

全文总字数：1017字

1. 研究目的与意义

在众多涉及枪支的案件侦破的过程中，枪弹痕迹是重要的物证之一，是侦破此类案件的关键所在。

正如每个人有自己的指纹一样，每只枪支也有自己的特征。

当一支枪支打出子弹时，它的特征就会以微小的划痕，凹陷，撞击等的形式传递到子弹上，从而使其特征得以表现出来，因此同一枪支打出的子弹往往拥有相似的特征。

2. 国内外研究现状分析

图像局部不变特征常被分为角点类和区域类，因此局部不变特征的提取方法也被分为了角点检测子和区域检测子。

其中角点算子包括harris算法，susan算法等，区域检测子包括dog算子，多尺度harris算子等。

加速稳健特征(surf)属于区域检测算法，是一个稳健的图像识别和描述算法，首先于2006年发表在欧洲计算机视觉国际会议(eccv)。

3. 研究的基本内容与计划

本课题主要针对弹底窝痕这一枪弹痕迹，为实现自动匹配效果，拟研究以下内容及计划：1. 弹底窝痕的提取（第三周）2. 利用SURF算法对痕迹局部不变性特征提取及描述（第四至六周）3. 利用SURF描述子匹配特征点（第七至九周）4. 利用一致性提纯法（RANSAC）对匹配点进行提纯（第十至十二周）5. 算法修改与完善（第十三周起）

4. 研究创新点

surf算法使用hessian(海森)矩阵的行列式值作特征点侦测并用积分图加速运算；surf的描述子基于 2d 离散小波变换响应并且有效地利用了积分图。

因此surf标准的版本比sift要快数倍，并且实验证明在不同图像变换方面比sift更加稳健。

ransac（随机抽样一致性算法）是一种估计数学模型的参数迭代算法。