基于局部特征的圖像匹配方法

《基于局部特征的圖像匹配方法》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。

1、基于局部特征的圖像匹配方法李靜，張海波（西安工業(yè)大學電子信息工程學院，西安710032）摘要：斑點檢測是一種有效的特征檢測方法，利用局部特征的若干不變性進行特征點的檢測，具有較強的魯棒性。本文利用SIFT算法對兩幅圖像的特征點進行提取和描述，然后建立Kd-樹(K-dimensiontree)對特征點數(shù)據(jù)進行檢索，最后使用隨機抽樣一致性算法對匹配對進行提純，最終得到更為精確的特征點匹配對。本文通過實驗結果證明了算法的有效性。關鍵詞：局部特征；斑點檢測；特征點提??；匹配對提純長久以來，計算機視覺一直是人們研究的熱點。

2、然而，即使是一個十分簡單的物體，要使用計算機去識別它都是一件十分不容易的事情。其中，最為關鍵的莫過于物體的表示或描述，也就是說，究竟提取什么樣的特征才能夠用于區(qū)別一個物體與另一個物體。局部不變特征的出現(xiàn)，較好的解決這一問題[1]。局部特征成功的真正原因在于它提供了一種具有統(tǒng)計意義的圖像內容描述。這種圖像內容表達方式避免了圖像處理中語義層次上的圖像分割[2]。利用局部特征進行圖像檢測最常用的就是角點檢測算法。但是角點檢測就其本質而言只是某種濾波函數(shù)的響應結果，濾波函數(shù)對圖像中的灰度突變的敏感程度決定其精確度，且角點

3、相關特征區(qū)域僅為角點周圍的有限鄰域，區(qū)域特性不夠直觀。斑點檢測（BlobDetection）是計算機視覺的重要內容，它是區(qū)域檢測的一種特例，是許多特征生成、目標識別等方法的重要預處理環(huán)節(jié)。斑點通常是指與周圍有著顏色和灰度差別的區(qū)域。由于斑點代表的是一個區(qū)域，相比單純的角點，穩(wěn)定性要好，抗噪聲能力要強，因此，最為局部特征中的一個重要特例，斑點在圖像匹配和立體視覺中扮演了非常重要的角色[3]。本文采用一種高效的斑點檢測方法——SIFT算法提取和描述圖像的特征，這里的高效不僅體現(xiàn)在這些局部特征的高重復性，各種環(huán)境下的不

4、變性，而且還表現(xiàn)在這些局部特征檢測時間效率上也是高效的；然后采用一種改進的Kd-樹最近鄰查詢算法對特征點進行檢索，提高特征點匹配的效率；最后使用隨機抽樣一致性算法對匹配對進行提純，得到更為精確的特征點匹配對。收稿日期：2011-09-26作者簡介：李靜（1972-），女，西安工業(yè)大學電子信息工程學院，副教授，主要研究方向為：動態(tài)測試，信息融合，先進控制理論。E-mail:gem99li@163.com.手機：13572293012.通訊作者：張海波，Email:haibo_0325@163.com，手機:1599

5、1746948.71高效斑點檢測算法——SIFT算法1.1DoG空間的生成我們將圖像的尺度空間表示成一個函數(shù),它是由一個變尺度的高斯函數(shù)與圖像卷積產(chǎn)生的。即其中，表示在和兩個方向上進行卷積操作，而為在某一尺度上對斑點的檢測，可以通過對兩個相鄰高斯尺度空間的圖像相減，得到一個DoG（DifferentofGaussians）的響應值圖像。然后，通過對響應值圖像進行非最大值抑制（局部極大搜索），在位置空間和尺度空間中定位斑點[4]。其中，式中，為兩相鄰尺度空間倍數(shù)的常數(shù)。1.2特征點搜索DoG是通過構建圖像金字塔具體

6、實現(xiàn)的。將圖像金字塔共分組（Octave），每組有層（Level），下一組的圖像由上一組圖像按照隔點降采樣得到，這樣做的目的是為了減少卷積運算的工作量。DoG結果是通過每組上下相鄰兩層的高斯尺度空間圖像相減得到。1.3點的搜索與定位斑點的搜索是通過同一組內各個DoG相鄰層之間比較完成的。為了尋找尺度空間的極值點，每一個采樣點要和它所有的相鄰點進行比較，看其是否比它的圖像域和尺度域的相鄰點大或者小。搜索過程從每組的第二層開始，以第二層為當前層，對第二層的DoG圖像中的每個點取一個的立方體，立方體上下層為第一層和第三

7、層。這樣，搜索得到的極值點既有位置坐標（DoG的圖像坐標），又有空間尺度坐標（層坐標）。當?shù)诙铀阉魍瓿珊?，再以第三層作為當前層，其過程與第二層的搜索類似……1.4刪除邊緣效應7為了得到穩(wěn)定的特征點，只是刪除DoG響應值低的點是不夠的。由于DoG對圖像中的邊緣有比較強的響應值，而一旦特征點落在圖像的邊緣上，這些點就是不穩(wěn)定的點。一方面圖像邊緣上點是很難定位的，具有定位的歧義性；另一方面這樣的點很容易受到噪聲的干擾而變得不穩(wěn)定[5]。一個平坦的DoG響應峰值往往在橫跨邊緣的地方有較大的主曲率，而在垂直邊緣的方向有較

8、小的主曲率。而主曲率可以通過的Hessian矩陣H求出[6]：式中，D值可以通過求取鄰近點像元的差分得到。H的特征值與D的主曲率成正比例。要想檢查主曲率的比值小于某一閾值，只要檢查下式是否成立：對于主曲率比值大于10的特征點將被刪除，否則，這些斑點將被保留。2圖像特征匹配前面我們已經(jīng)探討了圖像特征點提取與描述。特征點往往是代表圖像中結構最穩(wěn)定的局部區(qū)域，當光照、旋轉、尺度