基于局部特征的图像匹配方法

《基于局部特征的图像匹配方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于局部特征的图像匹配方法李静，张海波（西安工业大学电子信息工程学院，西安710032）摘要：斑点检测是一种有效的特征检测方法，利用局部特征的若干不变性进行特征点的检测，具有较强的鲁棒性。本文利用SIFT算法对两幅图像的特征点进行提取和描述，然后建立Kd-树(K-dimensiontree)对特征点数据进行检索，最后使用随机抽样一致性算法对匹配对进行提纯，最终得到更为精确的特征点匹配对。本文通过实验结果证明了算法的有效性。关键词：局部特征；斑点检测；特征点提取；匹配对提纯长久以来，计算机视觉一直是人们研究的热点。

2、然而，即使是一个十分简单的物体，要使用计算机去识别它都是一件十分不容易的事情。其中，最为关键的莫过于物体的表示或描述，也就是说，究竟提取什么样的特征才能够用于区别一个物体与另一个物体。局部不变特征的出现，较好的解决这一问题[1]。局部特征成功的真正原因在于它提供了一种具有统计意义的图像内容描述。这种图像内容表达方式避免了图像处理中语义层次上的图像分割[2]。利用局部特征进行图像检测最常用的就是角点检测算法。但是角点检测就其本质而言只是某种滤波函数的响应结果，滤波函数对图像中的灰度突变的敏感程度决定其精确度，且角点

3、相关特征区域仅为角点周围的有限邻域，区域特性不够直观。斑点检测（BlobDetection）是计算机视觉的重要内容，它是区域检测的一种特例，是许多特征生成、目标识别等方法的重要预处理环节。斑点通常是指与周围有着颜色和灰度差别的区域。由于斑点代表的是一个区域，相比单纯的角点，稳定性要好，抗噪声能力要强，因此，最为局部特征中的一个重要特例，斑点在图像匹配和立体视觉中扮演了非常重要的角色[3]。本文采用一种高效的斑点检测方法——SIFT算法提取和描述图像的特征，这里的高效不仅体现在这些局部特征的高重复性，各种环境下的不

4、变性，而且还表现在这些局部特征检测时间效率上也是高效的；然后采用一种改进的Kd-树最近邻查询算法对特征点进行检索，提高特征点匹配的效率；最后使用随机抽样一致性算法对匹配对进行提纯，得到更为精确的特征点匹配对。收稿日期：2011-09-26作者简介：李静（1972-），女，西安工业大学电子信息工程学院，副教授，主要研究方向为：动态测试，信息融合，先进控制理论。E-mail:gem99li@163.com.手机：13572293012.通讯作者：张海波，Email:haibo_0325@163.com，手机:1599

5、1746948.71高效斑点检测算法——SIFT算法1.1DoG空间的生成我们将图像的尺度空间表示成一个函数,它是由一个变尺度的高斯函数与图像卷积产生的。即其中，表示在和两个方向上进行卷积操作，而为在某一尺度上对斑点的检测，可以通过对两个相邻高斯尺度空间的图像相减，得到一个DoG（DifferentofGaussians）的响应值图像。然后，通过对响应值图像进行非最大值抑制（局部极大搜索），在位置空间和尺度空间中定位斑点[4]。其中，式中，为两相邻尺度空间倍数的常数。1.2特征点搜索DoG是通过构建图像金字塔具体

6、实现的。将图像金字塔共分组（Octave），每组有层（Level），下一组的图像由上一组图像按照隔点降采样得到，这样做的目的是为了减少卷积运算的工作量。DoG结果是通过每组上下相邻两层的高斯尺度空间图像相减得到。1.3点的搜索与定位斑点的搜索是通过同一组内各个DoG相邻层之间比较完成的。为了寻找尺度空间的极值点，每一个采样点要和它所有的相邻点进行比较，看其是否比它的图像域和尺度域的相邻点大或者小。搜索过程从每组的第二层开始，以第二层为当前层，对第二层的DoG图像中的每个点取一个的立方体，立方体上下层为第一层和第三

7、层。这样，搜索得到的极值点既有位置坐标（DoG的图像坐标），又有空间尺度坐标（层坐标）。当第二层搜索完成后，再以第三层作为当前层，其过程与第二层的搜索类似……1.4删除边缘效应7为了得到稳定的特征点，只是删除DoG响应值低的点是不够的。由于DoG对图像中的边缘有比较强的响应值，而一旦特征点落在图像的边缘上，这些点就是不稳定的点。一方面图像边缘上点是很难定位的，具有定位的歧义性；另一方面这样的点很容易受到噪声的干扰而变得不稳定[5]。一个平坦的DoG响应峰值往往在横跨边缘的地方有较大的主曲率，而在垂直边缘的方向有较

8、小的主曲率。而主曲率可以通过的Hessian矩阵H求出[6]：式中，D值可以通过求取邻近点像元的差分得到。H的特征值与D的主曲率成正比例。要想检查主曲率的比值小于某一阈值，只要检查下式是否成立：对于主曲率比值大于10的特征点将被删除，否则，这些斑点将被保留。2图像特征匹配前面我们已经探讨了图像特征点提取与描述。特征点往往是代表图像中结构最稳定的局部区域，当光照、旋转、尺度