欢迎来到天天文库
浏览记录
ID:58138307
大小:1.06 MB
页数:8页
时间:2020-04-24
《基于RANSAC的SIFT匹配优化-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第4l卷第8期光电工程Vo1.41,No.82014年8月Opto—ElectronicEngineeringAugust,2014文章编号:1003~501X(2014)08—0058—08基于RANSAC的SIFT匹配优化赵烨,蒋建国,洪日昌(合肥工业大学计算机与信息学院,合肥230009)摘要:本文提出了一种基于RANSAC的SIFT匹配优化。采用加权的圆形邻域替代原有SIFT描述子矩形邻域,使得描述子维度降低了25%。根据特征点最近邻与次近邻的距离比越低,其匹配正确率越高的特点,对匹配点按最近邻比率高低进行匹配点排序,并以最优匹配
2、点作为简化的RANSAC算法初始样本数据集,用简化的RANSAC算法进行几何校验,进一步提纯匹配点。实验结果表明本文方法在匹配精度优于RANSAC.SIFT的基础上,匹配速度大约提高了10倍。尤其当匹配点增多时,本文方法在匹配速度上更加有优势。关键词:尺度不变特征变换;随机抽样一致性;特征描述符;最近邻比率中图分类号:TP391.4文献标志码:Adoi:10.3969/j.issn.1003—501X.2014.08.010AnOptimizedSIFTMatchingBasedonRANSACZHAOYe,JIANGJianguo,HO
3、NGRichang(SchoolofComputerandInJormation,HefeiUniversityofTechnology,Hefei230009,China)Abstract:AnimprovedSIFTmethodisproposed.Firstly,thestepofdescribingkeypointschangestherectangularregionofthedescriptorintoacircularregion.Bycalculatingtheweightedgradientorientationhist
4、ogramforeachpartitioning,adescriptorwith96dimensionsiscomposed.Secondly,weemphasizethatasmallernearestneighborratiothresholdleadstoahighlyaccuratematchingprobabilityforthematchedpointbutyieldsalownumberofmatchingpoints.Thematchingpointsarerankedbythedistancethresholdofthe
5、nearestneighbortothesecondnearestneighbor.WefinallysimplifyRANSACbyestablishinganewdatasetbasedontheoptimalmatchedpoints.Theexperimentalresultsdemonstratethatourapproachenhancescomputationeficiency(about10times)andslightlyimprovesaccuracythanotheralgorithm.Whenthematching
6、featurepointsincreases,ourmethodhasmoreadvantagesinmatchingspeedandhighermatchingaccuracythanRANSAC—SIFT.Keywords:SIFT;RANSAC;featuredescriptor;nearestneighborratio0引言图像匹配技术广泛应用于机器视觉、目标识别、三维重建、视频摘要、多媒体信息检索、人脸识别等诸多领域。,与人类的生活息息相关。因此,一种同时具备准确性和高速性的图像匹配技术成为了重要需求。基于特征点的图像匹配技术以
7、其计算量较少、稳定性好等特点成为当今图像匹配技术的主流与核心。尤其以Lowe提出的尺度不变特征变换(ScaleInvariantFeatureTransform,SIFT)算法应用最为广泛。将尺度不变特征子与梯度方向描述子相结合的SIFT算法具有图像缩放、旋转、光照和仿射不变性等优点。但SIFT描述子的维度较高从而计算过于复杂,为了降低计算复杂度,提高匹配精度,有很多研究人员提出了各种基于SIFT的改进算法。Ke和Sukthankar[51将主成分分析(PrincipalComponentAnalysis,PCA)方法运用至SIFT图像匹
8、配中,采用主成分分析的方法对SIFT算子进行降维操作,其算法中特征点描述算子的维度可收稿日期:2013—12—16;收到修改稿日期:2014—03—18基金项目:国家自然科学基金资助项目(61
此文档下载收益归作者所有