题目：不变性轮廓匹配方法及应用研究

图像局部不变性特征是近年来图像处理、模式识别等领域里的一个研究热点。局部不变特征是指局部特征的检测或描述对图像的各种变化如几何变换、视角变化等保持不变。近年来区分性强、对多种变换具有不变性的局部特征在宽基线匹配、目标识别、图像及视频检索、机器人导航等多个领域内获得广泛应用。

本文主要研究仿射不变性轮廓匹配技术及应用，具体包括轮廓特征的检测与描述，轮廓特征的匹配方法及整个理论基础的应用。我们使用纯的轮廓几何信息来构建仿射不变轮廓描述子，其解决了SIFT、SURF等算法在场景中主要物体缺少纹理，同一场景的图像数量很少且场景旋转角度较大的情况下并不能得到很好的特征点的问题。我们的描述子主要适用于宽基线下的特征匹配问题，以矩阵理论为基础来证明其对仿射变换具有不变性。

不变性轮廓匹配技术的应用主要包括两个方面：一个是图像缩放及修复，另一个是三维重建。对于图像缩放问题，经常会发现变换后的图像或者视频的某一帧的边缘区域会有信息的丢失，例如线条和形状显得参差不齐，出现模糊和锯齿现象。我们可以通过提取变换后图像的轮廓信息来对模糊区域进行填充修复，从而保持了缩放后图像清晰且光滑的边缘。对于三维重建问题，根据数据来源的不同，三维重建的方法也分为两种。一种是借助深度摄像机得到场景的深度图，提取出深度图的轮廓并进行一定的处理后即可进行准确的三维重建。另一种是利用普通摄像机采集的彩色图：利用运动恢复几何方法，通过对视频图像的特征提取以及匹配，精确求解出场景对象的三维点云。本文则是将轮廓特征及匹配方法移植到SFM算法中，并与主流特征相比较，得出轮廓特征的优势。