全文总字数：5583字
1. 研究目的与意义（文献综述）
随着时代的不断发展，许多旧建筑被拆迁或改造，而各种各样设计理念的新建筑也在不断的拔地而起，这就导致了同一地点的建筑、道路、绿化等都发生了翻天覆地的变化。对比同一地点不同历史时期的地理图片，为该地的历史变迁和人文发展研究提供重要参考。但是同一地点不同历史时期的地理图片由于历史悠久，大小、颜色、材质都发生了变化，人工判断具有一定的主观性和误差，因此通过计算机进行地理图片的相似性检测则成为了一种必要的方法。
地理图片的相似性检测的核心是图像匹配，就是根据一定的匹配算法，提取图像中的角点、拐点、特征点或物体边缘等特征，通过相似度准则得出相匹配的特征以判断图片的相似性。
图像匹配是数字图像处理和分析中一项十分重要的技术，在医学图像、航空航天、卫星图像、目标识别、文字匹配等领域都有十分广泛的应用[1]。同时针对不同的领域，许多算法已经按照实际设计应用了。图像匹配算法主要可以分为两大类，一类是基于像素灰度的匹配算法，通过空间二维滑动模板将已知模板图像中的模块与另一幅图像进行匹配，寻找灰度差别最小的部分，以此达到两幅图像的匹配。平均绝对差算法（简称mad算法）是leese在1971年提出的基于灰度的匹配算法[2]，通过遍历所有子图寻找与模板图最相似的子图来实现图像匹配。barnea和sliverman于1972年在文献中提出序贯相似性检测算法（简称ssda算法）[3]，在传统模板匹配算法上进行了改进，通过设定阈值而不需要遍历所有子图，提高了运算速度。kark和rosenfeld于1982年提出了归一化的交叉相关相似性度量算法（简称ncc算法）[4]。
2. 研究的基本内容与方案
本文设计的基本内容主要分为三个板块，如图2.1所示，首先是对基于图像灰度和基于图像特征的匹配算法中一些常用的算法[16]-[19]，包括MAD算法、SSDA算法、Harris算法、Moravec算法以及SIFT算法进行分析和研究，找出其中稳定性强、鲁棒性好的SIFT算法作为图像匹配算法；其后对SIFT算法从相似性度量和搜索策略等方面进行性能优化，选出最终方案；最后则是根据方案进行软件平台的搭建。
图2.1 设计的基本内容
本设计的目标是实现对地理图片的相似度检测，分析两张图片的相似程度，其后是对于同一地点不同历史时期的图片分别进行绿视率、天视率的计算，综合相似度、绿视率和天视率等参数，研究分析反映当地的城市建筑变迁状况和相应的文化变迁程度。同时，实现对两张地理图片的软件平台的搭建，以便更好地对研究结果进行运用。
在对地理图片进行相似性检测之前，对基准图片和待匹配图片进行图像预处理，研究分析常用的图像增强技术，如：中值滤波、高斯滤波、均值滤波等技术，选择滤波效果好、降噪能力强的图像增强技术对图片进行预处理，然后采用尺度不变特征变换（Scale-invariant feature transform ，简称 SIFT）算法进行图像匹配，其过程分为五步：第一步是构建尺度空间，为了有效的在尺度空间检测到稳定的关键点，提出了高斯差分尺度空间（DOG scale-space）；第二步是空间极值点检测，每一个采样点和其周围所有相邻的点比较，找出极值点；第三步是关键点方向分配，利用关键点领域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性；第四步是关键点描述子生成和特征数据匹配，采用欧式距离作为匹配相似性度量，找出匹配点对，最后是利用RANSAC算法即随机抽样一致算法删除误匹配点对，最后根据待匹配图像的匹配点对数与基准图像的匹配点对数的比进行相似性度量[20]-[26]。
3. 研究计划与安排
（1）第1周—第3周 搜集资料，撰写开题报告；
（2）第4周—第5周 编写sift代码，实现sift算法的图片相似性检测；
（3）第6周—第8周 编写其他算法实现代码，撰写对应部分论文;
4. 参考文献（12篇以上）
[1]何志明.图像匹配综述[j].现代商贸工业,2013,(21): 176-177
[2]m.-p. dubuisson;a.k. jain.a modified hausdorff distance for object matching[a].12th iapr international conference on pattern recognition, 1994(icpr)[c],1994,vol.1:566-568
[3]daniel i. barnea;harvey f. silverman.a class of algorithms for fast digital image registration[j].ieee transactions on computers,1972,vol.21: 179-186
