基于角点检测与SIFT算法的快速匹配方法-论文.pdf

《基于角点检测与SIFT算法的快速匹配方法-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7期计算机应用与软件Vo1．31No．72014年7月ComputerApplicationsandSoftwareJu1．2014基于角点检测与SIFT算法的快速匹配方法陈长伟(南京晓庄学院数学与信息技术学院江苏南京211171)摘要针对复杂图像的快速匹配问题，提出一种新的基于Shi—Tomasi角点检测与SIFT算法的高精度快速匹配方法。该方法充分利用图像的角点特征、灰度和位置信息，采用sIFr算法中的特征描述方法进行图像特征描述，并用Ransac算法对匹配点进行校正和消除错误匹配，提高计算速度和可靠性。实验结果验证了该算法对于

2、存在较大色差、形变等图像可实现精确快速匹配，其精度和速度都优于传统的匹配算法。关键词角点检测特征提取特征匹配Ransac算法中图分类号TP212．9文献标识码ADOI：10．3969／j．issn．1000．386x．2014．07．054AFASTMATCHINGALGoRITHMBASEDoNCoRNERDETECTIoNANDSIFTALGoRITHMChenChangwei(CollegeofMathematicsandInformationTechnology，NangXiaozhuang，Nang2JJJ，Jiangsu，Chin

3、a)AbstractForfastmatchingofcomplicatedimages，anewfastmatchingalgorithmwithhighaccuracybasedonShi—TomasicomerdetectionandSIFTalgorithmispresentedinthispaper．Itmakesfulluseofgraphicpointfeature，gray-levelandlocationinformation，adoptsthefeaturedescriptionmethodinSIFTalgorithmt

4、ocarryoutimage’Sfeaturedescription．Moreover，RANSACmethodisusedtocorrectthematchingpointsandtoremovefalsematching．Thesemakeitfasterandmorereliableincomputation．Experimentalresultsshowthatthealgorithmcanrealiseaccurateandfastmatchingoftheimageswithhigherchromaticaberationorde

5、formation，itsprecisionandrunningspeedalloutperformthetraditionalmatchingalgorithms．KeywordsComerdetectionFeatureextractionFeaturematchingRansacalgorithm大大降低计算量；特征点的提取过程很大程度减少噪声的影响，0引言对图像的灰度变化及形变都有很好的适应能力；特征点的匹配度量值对位置的变化比较敏感，这样有助于提高匹配的精度和图像配准⋯就是将两幅或多幅图像进行匹配、叠加的过鲁棒性。特征点的提取已经有

6、很多成熟的算法，如HARRIS算程，即同一目标的两幅或者多幅图像在空间上的对准，它已被广法、SUSAN算法、Shi—Tomasi算法。泛地应用于遥感数据分析、计算机视觉、图像处理等领域。配准本文算法主要思想：首先用Shi—Tomasi算子检测得到待匹基于图像的特征基础，所以特征点的提取和匹配特别是匹配的配的角点集合，随后采用SIFT算法中的特征描述方法进行图像精确度对于图像配准的结果显得尤为重要。图像特征点的匹配特征描述将图像特征点划分为多对多匹配对，然后进行Ransac方法有很多种，一般可归纳为基于灰度的配准方法和基于特征精匹配得到一对一的

7、匹配对，最后利用匹配对算出变换矩阵进的配准方法。常用的基于灰度的配准方法主要有：不变矩行全景图拼接。该算法可以有效地避免图像特征分布均匀时的法’、频域相关法、空间相关法等。基于灰度的图像配准方SIFT匹配效率较低的问题。法具有精度高的优点，但也存在以下缺点：对图像的灰度变化非常敏感，一旦有非线性的光照变化，算法的性能会大大的降低；1Shi-Tomasi算法计算复杂度高和计算量大；对目标图像的旋转和形变很敏感，一般在全景图拼接时不采用这些方法。基于特征的图像匹配包含Shi．Tomasi算法是Harris算法的改进：特征提取和特征匹配两个方面。特

8、征提取一般选取特征的点、Harris定义的基础是图像灰度强度的二阶导数(a，02Y，线与区域。特征匹配一般采用相关度来度量，再加上引入小波OxOy)矩阵，定义如下：