一种SIFT-FREAK图像匹配算法_陈建新.pdf
《一种SIFT-FREAK图像匹配算法_陈建新.pdf》由会员分享,可在线阅读,更多相关《一种SIFT-FREAK图像匹配算法_陈建新.pdf(4页珍藏版)》请在咨信网上搜索。
1、第 46 卷 第 6 期2023 年 6 月测绘与空间地理信息GEOMATICS SPATIAL INFOMATION TECHNOLOGYVol 46,No 6Jun,2023收稿日期:20211213基金项目:国家重点研发计划项目(2018YFB1004905)资助作者简介:陈建新(1996),男,福建福州人,测绘工程专业硕士研究生,主要研究方向为计算机视觉和增强现实。通信作者:唐丽玉(1972),女,福建莆田人,研究员,博士,2007 年毕业于福州大学通信与信息系统专业,主要从事地学可视化与虚拟地理环境、虚拟植物等方面的教学与科研工作。一种 SIFTFEAK 图像匹配算法陈建新1,2,唐
2、丽玉1,2(1 福州大学 空间数据挖掘与信息共享教育部重点实验室,福建 福州 350108;2 福州大学 地理空间信息技术国家地方联合工程研究中心,福建 福州 350108)摘要:图像匹配算法是计算机视觉应用研究的基础。为了解决传统尺度不变特征变换算法(ScaleinvariantFeature Transform,SIFT)运行效率低、存在误匹配点对和精匹配点对稀少等问题,本文将其与快速视网膜关键点(Fast etina Keypoint,FEAK)算法和 POSAC 算法相结合,提出了一种 SIFTFEAK 图像匹配算法。首先在特征点检测阶段,用 SIFT 算法提取具有尺度不变性的特征点,
3、然后利用 FEAK 算法构建二进制描述子,特征匹配时,先采用汉明距离(Hamming Distance)进行初始匹配点对,再用双向匹配完成粗匹配,最后用 POSAC 算法进行精匹配。实验结果表明,本文 SIFTFEAK 算法比 SIFT 算法和 FEAK 算法(以加速分割检测特征(Featurefrom Accelerated Segment Test,FAST)算法提取特征点)在准确率、运行效率和精匹配点数三大方面都有着一定的优势。关键词:SUF 算法;FEAK 算法;POSAC 算法;图像匹配中图分类号:P209文献标识码:A文章编号:16725867(2023)06003204A SIF
4、TFEAK Image Matching AlgorithmCHEN Jianxin1,2,TANG Liyu1,2(1 Key Laboratory of Spatial Data Mining Information Sharing of Ministry of Education,Fuzhou University,Fuzhou 350108,China;2 National Engineering esearch Center of GeospatialInformation Technology,Fuzhou University,Fuzhou 350108,China)Abstra
5、ct:Image matching algorithm is the basis of computer vision application research In order to solve the problems of low operat-ing efficiency of traditional scaleinvariant feature transform(SIFT),mismatched point pairs and rare precision matching point pairsThis paper combines it with the Fast etina
6、Keypoint(FEAK)algorithm and the POSAC algorithm,and proposes a SIFTFEAKimage matching method First,in the feature point detection stage,the SIFT algorithm is used to extract the feature points with scaleinvariance,and then the FEAK algorithm is used to construct a binary descriptor When the feature
7、is matched,the Hamming Dis-tance is used for the initial matching point pair,and then the twoway matching is used for rough matching,and the POSAC algo-rithm is used for fine matching The overall results of the experiment show that the SIFTFEAKE algorithm in this paper is more ac-curate than the SUF
8、 algorithm and the FEAK algorithm(Feature from Accelerated Segment Test(FAST)algorithm to extract fea-ture points)in accuracy,operating efficiency and precision matching points There are obvious advantages in all aspectsKey words:SUF algorithm;FEAK algorithm;POSAC algorithm;image matching0引言图像匹配是计算机
9、视觉应用研究的基础,其中,图像特征匹配是基于图像的几何特征,如边缘、轮廓、拐点、线段等,通过一定的算法,在 2 幅或多幅图像之间识别同名点的过程1。图像匹配的结果可以应用于目标识别2、目标跟踪3、三维重建4、数字孪生5、增强现实6 和多视图图像配准7 等领域,如何提高特征匹配的准确率和鲁棒性一直受到很多研究者的关注。针对图像特征的匹配,目前常用的图像特征的匹配方法有早期的 SIFT8 算法,其优点是特征稳定,对旋转、尺度变换不变性,但是算法在运行效率、光照变换等方面存在不足。Bay 针对 SIFT 算法进行改进,提出 SUF9(Speeded Up obust Feature)算法,继承 SI
10、FT 算法优点的基础上,一定程度提高了算法的效率,但运行效率还不高,而且存在误匹配或匹配点稀少的问题。2011 年ublee 等人提出了 OB10(Oriented FAST and otatedBIEF)算法。该算法的运行效率高,但是不具备尺度不变性,匹配精度和匹配点对数方面都有待提高。完善经典算法使其适应现实应用需要具有重要的意义。学者们针对 SIFT 算法存在的问题做了许多工作,如陈宁11 等人为了较好地满足集成电路图像在不同场景下的拼接需求,提出了一种改进的 SIFT 算法来解决图像拼接问题。丁国绅12 等人提出了一种基于光谱图像空间的FSIFT 算法,从而提高特征点数量。本文针对 S
11、IFT 算法运行效率低、存在误匹配点对和精匹配点对稀少等问题,结合 FEAK 二进制特征描述算法和 POSAC13 算法,改进 SIFT 算法的不足。1SIFTFEAK 算法本文基于传统的 SIFT 算法进行改进,改进后的 SIFTFEAK 算法流程,如图 1 所示。图 1SIFTFEAK 算法流程Fig 1SIFTFEAK algorithm flow1 1SIFT 特征点检测SIFT8 算法是一种局部特征描述算法,对噪声、亮度、旋转和平移等因素保持较好的不变性。SIFT 算法特征点检测步骤如下:1)基于高斯核构建尺度空间,数学公式如式(1)所示,基于尺度空间构建高斯差分金字塔(Differ
12、ence ofGuassian,DoG),数学公式如式(2)所示。L(x,y,)=G(x,y,)I(x,y)(1)式中,是尺度空间因子,反映高斯模糊的程度,G(x,y,)是尺度可变高斯函数。D(x,y,)=L(x,y,k)L(x,y,)(2)式中,k 表示 2 个相邻高斯尺度空间的比例因子,通过该函数可以有效检测尺度空间中的特征点。通过构建图像的多尺度空间金字塔,提取具有尺度变换和鲁棒性佳的特征点。在检测出的每个特征点所在尺度层及上下 2 个尺度层图像的 333 邻域内判断是否取得极小值或者极大值,若取得极小值或者极大值,那么该点即为特征点。2)对极值点进行筛选。通过曲线拟合 DoG 函数以剔
13、除不符合要求的点,从而获得稳定的极值点,即特征点。1 2FEAK 特征点描述FEAK 算法借鉴了 BISK 算法的平均采样模式思想,是基于 BISK 算法的一种改进的二进制描述子,通过模仿人眼视觉的成像特性进行样点设置和对应点对选择,视网膜采样格越靠近中心特征点,样点密度越高。FEAK 算法通过对样点进行高斯处理以降低对噪音的敏感度,其中样点的圆半径、高斯核大小与采样点到中心特征点的距离成正比,每个响应区与响应区之间相互重叠且构成一个对称采样结构,从而在丰富了图像信息的同时使其具备了尺度不变性、旋转不变性、光照不变性和一定的抗噪性能14。FEAK 采用的二进制描述子相对于 SUF 浮点型描述子
14、占用存储空间小,其粗描述子由级联高斯平滑后的采样点对的灰度值比较结果生成,用 F 表示,则如数学公式(3)和式(4)所示:F=0aN2aT(Pa)(3)T(Pa)=1,if(I(Par1)I(Par2)0)0,(4)式中,N 是描述子的维度;Pa 是采样点对;I(Par1)、I(Par2)是采样点对高斯平滑后得到的灰度值。粗描述子二进制包含冗余、噪声信息,因此需要对粗描述子进行筛选。先建立粗描述子矩阵 N,行数由特征点的个数决定,列数由每一个特征点的采样点对数决定列数为 903;计算矩阵 N 的每一列均值,按均值与 0 5 之差的绝对值由小到大排列,并选取前 128 列组成描述子,即完成粗描述
- 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 SIFT FREAK 图像 匹配 算法 陈建新
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。