1、圖像增強和圖像匹配是圖像處理和計算機視覺領(lǐng)域的兩個基礎(chǔ)性的重要研究內(nèi)容。傳統(tǒng)的圖像增強和圖像匹配方法大多數(shù)是基于整數(shù)階微積分，對圖像中存在弱導(dǎo)數(shù)性質(zhì)的弱邊緣和弱紋理效果不理想。分?jǐn)?shù)階微分具有在增強圖像的同時可以更好地保留圖像中的弱邊緣和弱紋理細節(jié)信息的優(yōu)良特性，但已有的基于分?jǐn)?shù)階微分的圖像增強方法，需要通過人工尋找最佳階次，缺乏微分階次自適應(yīng)性；在圖像匹配中，將SIFT(Scale Invariant Feature Transform

2、)匹配算法與分?jǐn)?shù)階微分相結(jié)合，在模糊圖像和弱紋理圖像中能提取到更多的特征點，從而提高了匹配的精度，但是最佳微分階次的選擇仍然需要人工調(diào)整，費時費力。因此，本文針對這兩個問題展開研究，具體工作如下：
　　1.通過分析分?jǐn)?shù)階微分對信號的作用，構(gòu)造了在分?jǐn)?shù)階微分圖像增強中的微分階次自適應(yīng)模型，該模型以反正切函數(shù)為原型，以圖像的梯度信息、局部信息熵、亮度和對比度為自變量，建立了分?jǐn)?shù)階微分階次與圖像局部信息之間的關(guān)系，從而可以根據(jù)圖像的局部

3、特征信息自動計算圖像中各個像素點的最佳階次，并將該模型應(yīng)用到分?jǐn)?shù)階微分Tiansi算子的圖像增強中。為了驗證本文模型的有效性，選用標(biāo)準(zhǔn)圖像庫中的多幅紋理圖像進行實驗，對實驗結(jié)果進行了定性和定量分析，并與二階微分Laplacian算子，Tiansi算子進行比較。理論分析和實驗結(jié)果均可表明本文建立模型的有效性，對灰度圖像可以得到持續(xù)變化的增強效果，接近于最佳分?jǐn)?shù)階微分階次的增強實驗效果，符合人類在視覺上的感受。
　　2.提出了一種自適

4、應(yīng)分?jǐn)?shù)階的 SIFT算法，用于圖像匹配。算法在Riemann-Liouvill(R-L)分?jǐn)?shù)階微分的基礎(chǔ)上，設(shè)計了一種新的分?jǐn)?shù)階微分掩膜，并將其融入到SIFT算法中，提取到更多精確有效的關(guān)鍵點，從而提高了SIFT算法的匹配精度；然后根據(jù)圖像的局部特征，構(gòu)造了分?jǐn)?shù)階微分階次自適應(yīng)數(shù)學(xué)模型。該模型以反正切函數(shù)為原型，以圖像的梯度信息、局部信息熵為自變量，建立了分?jǐn)?shù)階微分階次與圖像局部特征信息之間的關(guān)系，從而可以根據(jù)圖像的局部特征信息自動計算