基于SURF的图像匹配算法研究开题报告

1. 研究目的与意义（文献综述）

1.1研究目的及意义

在实际应用中，图像可能受到噪声、背景的干扰，也可能发生视角，光照，平移，尺度，旋转等变化。随着计算机视觉和人工智能技术的不断发展，如何寻找到和指定图像具有某种相关性的图像成为了重点，也就是所谓的图像匹配问题。图像匹配是一种通过计算相似性度量来决定图像间的变换参数，应用于从不同传感器、不同视觉、不同时间采集的同一场景的两幅或者多幅图像，将其变换到同一坐标系下，并在像素层上实现最佳匹配的效果。图像匹配技术现在不但广泛应用于计算机视觉领域中的立体视觉、目标识别和分类等各个方面,而且特征检测和图像匹配技术也成为了图像处理和计算机视觉领域的一个基本问题，同时图像匹配技术也是实现图像融合、图像校正、图像镶嵌以及目标识别与跟踪的关键步骤之一，已经广泛应用在图像识别以及图像重建等领域中。

图像信息具有直观、形象、易懂和信息量大等特点，是人类日常生活中接触最多的信息种类之一。近年来图像处理技术日益发展，应用领域不断扩大，图像理论也在不断提高、补充和发展。在计算机网络安全领域中，图像匹配可以应用在对非法图片和不良信息的监控和识别，对网络的安全监控具有重要意义。在医学图像处理领域，图像匹配技术可以应用于临床诊断、制定手术方案、跟踪病理变化等。在遥感图像处理领域中，图像匹配技术广泛应用于目标位置确定、图像检测、地形地貌辨认等。

2. 研究的基本内容与方案

2.1基本内容

本文以sift算法为基础，来实现基于最近邻域搜索法和surf算法的图像匹配技术的研究。首先对图像的预处理等基本知识做了普及，然后对已经出现的几种具有代表性的图像匹配技术进行了优劣性对比，最后选择了surf算法作为此次图像匹配研究的重点对基于surf算法的图像匹配技术相关原理做了细致的阐述，并且利用matlab软件平台实现了图像匹配相关目的。

2.2研究设计目标

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

第10－12周：针对具体的实验数据，完成整个系统的仿真，实现功能。

4. 参考文献（12篇以上）

[1]唐永鹤.基于特征点的图像匹配算法研究[d].长沙：国防科学技术大学硕士学位论文，2007：2-5.

[2]davidg.lowe.objectrecognitionfromlocalscale-invariantfeatures[j].proc.oftheinternationalconferenceoncomputervision,1999:1-20.

[3]davidg.lowe.distinctiveimagefeaturesfromscaleinvariantkeypoints[j].ijcv,2004.60(2):91-110.