一种快速多尺度特征点匹配算法

《一种快速多尺度特征点匹配算法》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、一种快速多尺度特征点匹配算法摘要为了快速稳定地进行多尺度特征点的跟踪，提出了一种快速多尺度特征点的提取算法。该算法首先利用快速局部窗口极值搜索算法提取出不同尺度空间的特征点的局部极值，然后对特征描述符进行小波变换后，再利用最近邻算法对特征点进行匹配。实验结果表明，该算法的计算速度快于SIFT算法和MOPS算法，稳定性强于传统的Harris算法，可以用于实时图像配准及目标跟踪3002关键词特征点提取特征点匹配多尺度变换MOPSSIFTHarris角点AFastMulti-ScaleFeatureMatchingAlgorithmAbst

2、ractThispaperpresentsaMulti-Scalefeatureextractionalgorithm,whichcomputesmaximumofthefeaturesinmovingwindowsusingfastalgorithmandgetsthematchingfeaturesusingnearestneighbormatchingalgorithmthatindexesfeaturesbasedontheirlowfrequencyHaarwaveletcoefficients.Theexperimenta

3、lresultsshowthatthisalgorithmisfasterthantheSIFTandMOPS,andhasmorestabilitythanHarrisalgorithm.Thealgorithmcanbeusedinimageregistrationandtargettracking.Keywordsfeatureextraction;featurematching;multi-scaletransform;MOPS;SIFT;Harriscorner1引言基于尺度空间的特征点提取算法是利用图像的特征不变描述符对不

4、同尺度空间的特征点进行描述。Schmid和Mohr最早利用高斯微分算子对传统的Harris算法[1]进行改进，形成了旋转不变的特征描述[2]。Lowe对此算法进行了改进，在不同尺度空间进行特征点的提取，形成了SIFT(scale-invariantfeaturetransform)算法[3]。SIFT算法对图像的旋转、缩放及光照影响都具有一定的鲁棒性。Brown等人提出了MOPS(multi-scaleorientedpatches)算法[4]，进行不同尺度上Harris特征点的提取，并利用窗口搜索算法对特征点的局部极值进行提取。由于

5、SIFT算法和MOPS算法对特征点的提取一般都采用穷举算法搜索，计算量较大，因而在图像实时处理中的应用受到限制。本文利用快速局部窗口搜索算法进行多尺度特征点局部极值的提取，从而提高了特征点提取的速度。2多尺度Harris特征点提取进行多尺度Harris特征点提取时，要对灰度图像先利用高斯平滑函数卷积形成图像金字塔。金字塔的最底层，更高层的金字塔表示为(1)(2)其中，l表示金字塔的层数，表示标准差为的高斯平滑窗口，s为采样间隔，一般取2。第l层坐标处的Harris特征点检测矩阵可以表示为(3)其中，表示在尺度上的梯度，即(4)参考文献

6、[4]将积分尺度和微分尺度的值分别取为1.5和1.0，并利用矩阵H特征值()的调和平均检测函数来检测特征点，即(5)当大于某个阈值(一般取为10)，该点即为特征点。3局部区域快速特征点选取算法由于特征点匹配的速度与特征点的个数直接相关，同时由于底层金字塔提取的Harris特征点主要集中在物体的边缘和角点处，分布很不均匀；若只将整幅图像中最大的多个特征点提取出来以减少特征点的个数，则可能使得这些特征点仅局限在某个局部区域，不利于重合区域较小的图像间的匹配。因此，本文在不同尺度金字塔图像的一定半径范围内选取的局部极值，并通过控制采样窗口的

7、大小来控制特征点的提取个数。其中半径r的选取公式可选择如下：(6)其中，、分别表示金字塔第l层图像的宽度和高度。3.1特征点局部极值的快速算法在传统的Harris算法中，若某个像素对应的值在周围3×3的邻域中是最大值，则该像素即为特征点。这里将邻域范围扩大到w×w窗口范围内来选取特征点，这就将特征点选取转化为在W×H的图像中对大小为w×w的窗口中进行局部极值搜索的问题，若中心元素为极值，则判定该点为特征点。一般采用穷举法来进行搜索，根据条件概率计算，平均要进行()次比较，计算量较大。本文利用形态学滤波中的极大值滤波的思想[5-7]，采

8、用改进的HGW(Herk-Gil-Werman)算法，并将最大值滤波的求取过程转化为2维窗口内局部极值的求取，以加快运算速度。具体步骤如下：(1)设图像的像素用矩阵X表示，先将图像扩充到，其中A为的全零矩阵(mod表示取