一种融合特征点与轮廓信息的匹配算法-论文.pdf

《一种融合特征点与轮廓信息的匹配算法-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31卷第10期计算机应用研究V0l_31No．102014年10月ApplicationResearchofComputers0ct．2014一种融合特征点与轮廓信息的匹配算法水王琼，袁建英，李柏林(1．西南交通大学机械工程学院，成都610031；2．昆明学院自动控制与机械工程学院，昆明650214)摘要：为了解决传统区域增长算法处理低纹理图像时，因种子点个数不够导致匹配无法进行增长的问题，提出一种融合轮廓信息的匹配算法来增加种子点个数。首先提取图像特征点与轮廓信息，然后利用方向性约束确定候选匹配点集，最后根据边缘相关性原则从候选匹配点集中计算得到最佳匹配

2、点，即新增种子点。理论分析与实验表明，其较传统区域增长算法能够得到更多种子点，匹配范围更广，匹配精度更高。关键词：立体匹配；区域增长；轮廓匹配；方向性约束；边缘相关性；低纹理图像中图分类号：TP391．41；TP301．6文献标志码：A文章编号：1001—3695(2014)l0-3145—03doi：10．3969／j．issn．1001-3695．2014．10．064MatchingalgorithmintegratedfeaturepointsandcontourinformationWANGQiong，YUANJian—ying。LIBai—lin

3、‘(1．SchoolofMechanicalEngineering，SouthwestJiaotongUniversity，Chengdu610031，China；2．SchoolofAutomaticControl＆MechanicalEngineering，KunmingUniversity，Kunming650214，China)Abstract：Whenprocessinglowtextureimagebasedontraditionalregiongrowingmatchingalgorithm，thematchingcould’tgrowbeca

4、usetheseedpoints’numberwasnotenough，SOthispaperputforwardafusionofcontourmatchingalgorithmtoin—creasetheseedpoints’number．Firstly，itextractedthefeaturepointsandtheinformationofthecontour．Thenituseddirec—tionconstrainttodeterminethecandidatematchingpointsset．Atlast，itcalculatedthebe

5、stmatchingpointwhichnamednewseedpointfromthecandidatematchingpointssetaccordingtotheprincipleofedgecorrelation．Thetheoreticalanalysisandexperimentsshowthatcomparingwithtraditionalregionalgrowthmatchingalgorithm，thealgorithmcangetmoreseedpoints，widerscopeofmatchingandahighermatching

6、accuracy．Keywords：stereomatching；regiongrowing；contourmatching；directionconstraint；edgecorrelation；lowtextureimage域只能提取少量的特征点。SIFT(scaleinvariantfeaturetrans—0引言form)L9j特征匹配算法具有尺度不变的特性，匹配能力强，能够在稀疏纹理区域检测出较多的特征点。但是这些点很多不是在计算机视觉领域，基于图像的三维重建是指通过对描述物体轮廓特性的点，既不是边缘点也不是角点，对立体视图像信息进行提取和处理，获

7、得计算机可视化三维模型的过觉的匹配贡献不大。为了解决稀疏纹理图像增长停止的问题，程，它被广泛运用于医学、军事、虚拟场景等各项实际应用本文提出一种将角点信息和轮廓信息相结合的种子点提取算中。立体匹配是三维重建的关键技术之一，也是难点之法，将轮廓信息有效地加入到种子点提取过程，大幅度增加种一。现有的立体匹配算法可分为稀疏匹配、准稠密匹配和稠密子点的数量，提高种子点匹配精度，使低纹理图像仍然具有大匹配。基于区域增长的准稠密匹配算法利用连续性和对极范围的准稠密匹配，提高了三维重建的效果。几何约束提高了匹配的效率，其计算简单，表现出了较好的鲁棒性和可实现性。1角点与轮

8、廓相结合的匹配算法传统的区域增长算法将特征点作为起点