图像特征匹配算法研究及其应用

图像匹配是计算机视觉中基础而重要的问题。实践中，由于成像设备、拍摄时间、角度的不同，以及受图像中存在的噪声、遮挡、离群点、非线性形变等诸多因素的影响，求解图像匹配问题非常困难。《图像特征匹配算法研究及其应用》分为两大部分：第一部分图像匹配算法的理论，从刚性图像匹配算法逐渐讲解到一些非刚性图像匹配算法，如基于分层混合模型的鲁棒点匹配算法、基于特征导引的图像匹配算法、基于稀疏点集与稠密流的图像匹配算法；第二部分图像匹配算法的应用，主要介绍在基于同类相似性的类别检索、机器人拓扑导航、视觉归巢等方面的应用及效果。让读者对图像匹配算法的理论和应用研究建立较为全面的认识。

第1章 绪论
1.1 概述
1.2 图像匹配问题的定义和分类
1.2.1 图像匹配问题的定义
1.2.2 图像匹配方法的分类
1.3 图像匹配问题的基本框架
1.3.1 问题的数学描述
1.3.2 特征提取及描述
1.3.3 特征匹配
1.3.4 存在的问题及解决方案
1.3.5 研究趋势
第2章 基于空间关系一致性的刚性点集匹配算法
2.1 概述
2.2 图像初始特征点的提取与匹配
2.3 空间关系一致性算法
2.3.1 问题建模
2.3.2 问题求解
2.3.3 刚性变换估计
2.4 算法复杂度分析
2.5 实验结果及分析
2.5.1 实验配置
2.5.2 单应实验结果
2.5.3 基础矩阵实验
2.6 收敛性分析
2.7 相关算法分析
第3章 基于空间关系一致性的非刚性点集匹配算法
3.1 概述
3.2 点对应的建立
3.3 非刚性变换关系的估计
3.3.1 问题建模
3.3.2 问题求解
3.3.3 变换函数的估计
3.4 形状匹配算法分析
3.5 实验结果及分析
3.5.1 形状匹配结果
3.5.2 图像匹配结果
3.6 收敛性分析
3.7 相关算法分析
第4章 基于分层混合模型的鲁棒点匹配算法
4.1 概述
4.2 混合变换估计
4.2.1 问题建模
4.2.2 问题求解
4.3 快速算法
4.4 算法复杂度分析
4.5 分层非刚性点集匹配问题
4.6 实验结果及分析
第5章 基于特征导引的图像匹配算法
5.1 概述
5.2 特征导引算法
5.2.1 基于边缘图的特征提取
5.2.2 问题建模
5.2.3 问题求解
5.2.4 局部几何约束
5.2.5 几何形变估计
5.2.6 算法复杂度分析
5.2.7 算法参数说明
5.3 实验结果及分析
5.3.1 数据集和评估标准
5.3.2 多模态图像的结果
5.3.3 部分重叠图像的配准结果
5.3.4 部分重叠的多模态图像对的配准结果
第6章 基于稀疏点集与稠密流的匹配算法
6.1 概述
6.2 基于局部线性约束的稀疏点集匹配
6.3 基于SIFT流的稠密像素匹配
6.4 基于稀疏点集与稠密流的匹配模型构建和求解
6.4.1 问题建模
6.4.2 优化求解
6.4.3 实施细节
6.5 实验结果及分析
6.5.1 数据集和设置
6.5.2 定性实验
6.5.3 定量实验
第7章 基于同类相似性的类别检索
7.1 概述
7.2 算法思想描述
7.3 检索算法实现
7.3.1 图像间相似性度量
7.3.2 问题表述
7.3.3 图模型
7.3.4 扩展：汇总和优选化相似性
7.3.5 计算复杂度
7.4 实验结果及分析
7.4.1 实验数据库
7.4.2 MPEG-7形状数据库上对比结果
7.4.3 N-S数据库上对比结果
7.4.4 AT&T人脸数据库上对比结果
第8章 机器人拓扑导航
8.1 概述
8.2 拓扑建图和局部化
8.2.1 CNN特征的图像比较
8.2.2 图像清晰度测量
8.2.3 ORB特征提取
8.3 基于非刚体特征匹配的几何校验
8.3.1 基于图像对的向量场
8.3.2 VFC算法表述
8.4 实验结果及分析
8.4.1 CNN特征的图像相似性比较
8.4.2 清晰度度量
8.4.3 ORB特征提取效率
8.4.4 VFC的几何验证
8.4.5 拓扑导航
第9章 视觉归巢
9.1 概述
9.2 全景运动流的平滑先验
9.2.1 运动流的平滑性
9.2.2 平滑先验的验证
9.3 基于平滑先验的关键点匹配和视觉归巢
9.3.1 全景图像对诱导的运动流
9.3.2 基于平滑先验的内点检测公式化
9.3.3 基于平滑先验的内点检测实现
9.3.4 基于运动流的奇点进行视觉归巢
9.4 实验结果及分析
9.4.1 实验设置
9.4.2 实验结果
参考文献
附录Ⅰ 专用词汇中英文对照
附录Ⅱ 定理4.1的证明