曲线匹配技术是图像处理和计算机视觉的重要组成部分,应用于图像检索、目标识别和视觉导航等领域。如何在图像中提取到所需特征信息并实现正确匹配是该领域的研究内容。由于特征描述符匹配在曲线提取阶段存在曲线长度和形状的差异性,难以满足精确匹配需求。曲率曲线匹配算法,目前只能解决图像中单一曲线的匹配问题,当图像中存在多条曲线时计算量较大且难以满足仿射不变性需求。因此,本文将特征描述符和曲率积分匹配算法相结合,提出了不规则曲线匹配算法。特征描述符匹配可以形成图像中多条曲线的一对一映射关系,利用三次样条插值算法对边缘特征进行曲线拟合,采用曲率积分对特征描述符进行优化处理,实现精确匹配。本文的主要研究内容包括:首先,利用特征描述符对图像信息进行特征曲线的提取、描述和匹配,进而完成边缘特征曲线匹配工作。根据SIFT(Scale-Invariant Feature Transform)特征点尺度空间思想,通过对特征直线提取算法的局部优化,形成具有旋转、缩放以及光照不变性的特征曲线描述符。依据K-D树最近邻搜索的改进算法和欧氏距离约束原则,进行边缘特征的匹配工作。其次,为了获取曲线曲率信息,通过三次样条插值算法对边缘特征曲线的离散点进行曲线拟合。通过对曲线方程系数求解和端点约束得到插值曲线。和其他拟合算法相比,该算法可以使拟合后的曲线通过任一离散点,确保了曲线拟合精度和高阶函数的光滑性。最后,利用曲线曲率积分匹配和快速归一化互相关算法完成不规则曲线局部匹配。通过三次样条插值曲线结果,根据曲线的数学特征对插值曲线函数进行曲率积分的求解,构造曲线曲率积分标识符。通过快速归一化互相关算法实现曲线的局部匹配。实验仿真结果表明,本文提出的不规则曲线匹配算法解决了曲率匹配搜索范围大的局限性,提高了匹配精度且满足尺度不变性需求。