一种基于FAST和改进的RANSAC图像匹配方法_岳港琳.pdf
《一种基于FAST和改进的RANSAC图像匹配方法_岳港琳.pdf》由会员分享,可在线阅读,更多相关《一种基于FAST和改进的RANSAC图像匹配方法_岳港琳.pdf(4页珍藏版)》请在咨信网上搜索。
1、现代计算机Modern Computer第 28 卷 第 24 期2022年12月25日文章编号:1007-1423(2022)24-0067-04DOI:10.3969/j.issn.1007-1423.2022.24.012一种基于FAST和改进的RANSAC图像匹配方法岳港琳,雷志勇(西安工业大学电子信息工程学院,西安710021)摘要:为解决双目测量炸点坐标匹配过程中耗时长,高错配性的问题,提出一种基于FAST特征点检测和改进的RANSAC图像匹配方法。改进的RANSAC算法采用自适应阈值方法,具体为将匹配点与其变换模型之间距离的平均值作为算法中阈值选取的依据。实验证明,提出的改进算法
2、可以提高匹配精度和准确率,缩短匹配时间,实现图像的快速匹配。关键词:FAST检测;图像匹配;RANSAC0引言在靶场测试中,炸点坐标测量对于射击偏差校正1具有非常重要的意义。通过双相机交汇测量炸点的坐标中,双目匹配2的精度直接影响到炸点定位的准确性。基于图像特征3的匹配方法考虑了点、线、面等图像特征,由于该方法计算量较小,并且对形变、灰度变化和遮挡具有很好的鲁棒性,因此近年来成为图像匹配的研究热点问题。SIFT4算法2004年正式被Lowe提出,该算法通过引入拉普拉斯算子5提取尺度和旋转不变的特征,对透视、噪声的变化和仿射变换在一定程度上保持了稳定性,实现图像的自动匹配。对于有丰富纹理信息的图
3、像,文献 6 提出一种只提取图像的灰度值,并且没有尺度等较复杂运算的更实时的快速检测特征点的算法,因此该算法运行速度非常快,但此算法也存在一定缺陷,如初始匹配时会出现错误的匹配点,导致后续出现物体识别有误或目标跟踪丢失等问题,因此对误匹配点进行剔除尤为重要。对误匹配点进行消除的方法主要包括:NNDR、RANSAC、Hough聚类等7。在现研究基础上,通过FAST进行特征点检测,SURF 进行特征描述后,采用自适应阈值RANSAC算法消除匹配结果中错误匹配点,提高匹配的准确率。1图像特征匹配图像特征匹配包括四个方面:检测特征点、特征点描述、对特征点进行匹配和消除误匹配点。本文提出的匹配算法实现过
4、程如图1所示。图 1图像匹配算法流程1 1.1 1特征点检测特征点检测FAST检测特征点的核心是确定给定像素为中心的圆上是否有足够数量的连续像素的灰度值大于(小于)该像素点灰度值。如果存在,则表明该像素点是被检测出的特征点,否则作为一个非特征点剔除。主要步骤如下:(1)选择一个像素 p,将其亮度设置为 Ip,亮度阈值为T;(2)以像素p为中心,在半径r=3的圆上选图形图像 67现代计算机2022年取16个像素点;(3)假如选取的圆上有连续的N个点的像素灰度值大于(Ip+T)或小于(Ip-T),那么像素p就被认为是特征点;(4)重复以上三个步骤,对每个像素进行同样的操作;(5)采用计算角点响应函
5、数的方法,剔除非角点。计算公式见式(1)。V=max(xSbright|Ipx-Ip-T,xSdark|Ip-Ipx-T)(1)式(1)中,V是角点与其相邻16个点之间的灰度差值的绝对值之和,Ip是像素p的亮度值,T是像素 p 的亮度阈值,x 为圆上 16 个像素点的位置,Sbright,Sdark分别是16个邻域像素点中灰度值大于(Ip+T)或灰度值小于(Ip-T)的像素点的集合。1 1.2 2SURFSURF特征描述特征描述1 1.2 2.1 1主方向确定主方向确定SURF算法以检测到的特征点为中心,半径为6 s(s为尺度)来构建圆形区域,目的是确定唯一的方向,实现图像的旋转不变性。在/3
6、的滑动窗口中,利用Harr小波响应,求出各特征点x、y轴的dx,dy之和,得到一个局部方向向量,求出所有窗口上的最大方向向量,即该特征点的主方向。1 1.2 2.2 2生成特征点描述子生成特征点描述子SURF算法是利用特征点周围的正方形区域来构建描述符的,并将其分为4 4个子区域,以保存部分空间信息。在每个子区域中,有5 s5 s个像素点,分别求出各子区域内的所有像素点的水平Haar小波响应dx和垂直Haar小波响应dy,然后将Haar小波响应dx,dy加到高斯权重中(=3.3 s),再求出各子区域的 dx,dy,|dx,|dy之和,由此得到对应的四维向量,从而得到一个 64维的 SURF特征
7、向量,即描述子。1 1.3 3特征点匹配特征点匹配1 1.3 3.1 1双向双向FLANNFLANN匹配匹配FLANN匹配算法的核心是要计算出两特征点之间的欧氏距离,根据距离这一特征点的最近欧氏距离和次近欧氏距离之比是否小于设定的阈值来判断特征点是否匹配。本文采用双向FLANN匹配方法以消耗少量时间来提高匹配精度。该算法对于要匹配的两幅图像I1和I2,找出I1与I2之间欧氏距离最近和次近的2个点,计算最近欧氏距离和次近欧式距离之间的比值并与阈值进行比较来判断特征点是否匹配,阈值为0.5,得到I1到I2的匹配点集合 A。再对图I2进行相同操作,得到I2到I1的匹配点集合B,取A与B中完全相同的匹
8、配点对作为集合C,从而得到初始匹配点集合。1 1.3 3.2 2自适应阈值自适应阈值RANSACRANSAC算法算法通过双向FLANN匹配可以去除一部分多对一的错误匹配对,但仍然存在着少量的错误匹配。传统的RANSAC算法基本思想是从粗匹配结果中随机选出一组最小的数据集,估计出模型,然后将数据集中未选到的数据代入模型,根据设定好的阈值,将最新得到的模型与先前最好的模型的内点数做比较,分别记录最大模型的内点及内点数,迭代该过程,最终内点占比例最大的模型就是待求的模型。RANSAC 算法具有很好的鲁棒性,但是使用时它的阈值设置往往需要根据经验来判断,不同的场景设定的阈值不同,结果往往不具有通用性。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 基于 FAST 改进 RANSAC 图像 匹配 方法 岳港琳
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。