SIFT和改进的RANSAC算法在图像配准中的应用-论文.pdf

《SIFT和改进的RANSAC算法在图像配准中的应用-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、ComputerEngineeringandApplications计算机工程与应用2013，49(15)147@图形图像处理@SIFT和改进的RANSAC算法在图像配准中的应用罗文超，刘国栋，杨海燕LUOWenchao，LIUGuodong，YANGHaiyan江南大学轻工过程先进控制教育部重点实验室，江苏无锡214122KeyLabofAdvancedProcessControlforLightIndustry(MinistryofEducation)，JiangnanUniversity,Wuxi，Jiangsu214122，Chi

2、naLUOWenchao，LIUGuodong，YANGHaiyan．ApplicationofSIFTandadvancedRANSACalgorithmonimageregistration．ComputerEngineeringandApplications，2013，49(15)：147—149．Abstract：Therehavebeengreatadvancesinobjectrecognitionandimageregistration，throughthematchofinvariantlocalimagefeature．

3、Withthe~atureofinvariancetoaffine，3Dprojection，scalingandrotation，illuminationchanges，imagetranslation，theScaleInvariantFeaturesTransform(SIFT)iscommonlyusedinobjectrecognition．TheRANdomSampleConsensus(RANSAC)iswidelyusedasrobustestimator,asastandardinthefieldofcomputervi

4、sion．IntheprocessofR-RANSAC，theRandomized(hypothesisevaluation)RANSAC，amodificationismadetoRANSACbycheckingdatapointssequentially,whilethestandardRANSACcheckallthedatapoints'inthemodelverificationstep．Owntothisimprovement，hypotheseswithlowsupportcanberejectedbeforeallpoin

5、tsareconsidered．Inaddition，theSequentialProbabilityRatiosTest(SPRT)isusedtominimizeRRANSACruntime．Keywords：ScaleInvariantFeaturesTransform(SIFT)descriptot；imagerecognition；imageregistration；RandomizedRANdomSampleConsensus(R—RANSAC)；SequentialProbabilityRatiosTest(SPRT)摘要：

6、在机器人视觉系统中运用SIFT描述子对现实世界中的目标进行识别，这一研究已经取得了很大的进步。运用SIFT生成的图像特征向量的性能十分稳定，对旋转、缩放、平移是保持不变性的，对一定程度目标遮挡、光照变化、视点变化、杂物场景和噪声等也能保持很好的不变性。RANSAC算法早就已经是计算机视觉领域常用的一个进行矫正的标准方法，在标准的RANSAC算法基础上加入了假设评价，改进为R．RANSAC(TheRandomizedRANSAC)算法。对这两个方面进行论述，运用SIFT(尺度不变特征变换)算法对双目机器人的两幅视觉图像进行匹配，采用带SPR

7、T的R．RANSAC改进算法对匹配过程进行优化，尽可能在短的时间里完成匹配矫正，进而加速整个配准的时间。关键词：尺度不变特征变换(SIFT)描述子；图像匹配；图像配准；随机抽样一致性；顺序概率比测试文献标志码：A中图分类号：TP391doi：10．3778／j．issn．1002—8331．1112．0200l引言的目标进行识别的研究已经取得了很大的进步。运用机器人视觉系统中通常要对目标进行定位，这就需要SIFT生成的图像特征向量的性能十分稳定，对旋转、缩放、用到图像的匹配和配准。本文就从这两个方面，运用SIFT平移是保持不变性的，对一定

8、程度目标遮挡、光照变化、视描述子对双目机器人的两幅视觉图像进行特征提取，然后点变化、杂物场景和噪声等也能保持很好的不变性u。采用一种最优随机的RANSAC改进算法(R．RANSAC)对高斯核是