一种快速多尺度特征点匹配算法.doc

《一种快速多尺度特征点匹配算法.doc》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、个人收集整理勿做商业用途个人收集整理勿做商业用途一种快速多尺度特征点匹配算法邵巍１)朱圣英1)陈灵芝2)１)（哈尔滨工业大学深空探测基础研究中心，哈尔滨1５００80）2)(青岛科技大学自动化与电子工程学院,青岛2６6042)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

2、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角点中图法分类号:TP391．41文献标识码：AＡFastMｕlｔi-SｃaｌeFｅａｔureMatchingAlｇoritｈｍSHAOWｅｉ,ZＨUSheng-ying,ＣHENLing-zhi（ＤｅｅpSｐaｃeExpｌoraｔionResearｃｈＣｅnter,HarbinＩｎstituteofTechnology，Ｈarbin15００08)AbsｔracｔＴｈispapｅrpresｅｎ

3、ｔｓａMuｌtｉ-Sｃaleｆeatｕreextractionalgorithm,ｗｈiｃhcｏmputeｓmaximｕｍｏftｈefeａtuｒesiｎmovinｇwindoｗsｕsiｎgfasｔalgorｉthmandgeｔｓtｈeｍatchｉnｇfｅaｔureｓusingneａｒestneighbormatchｉｎgalgorｉthmthａtindexｅsｆeaｔuresbasｅdonthｅirlｏｗｆreｑuencｙHaaｒｗavｅleｔcoefficieｎtｓ．Ｔheeｘpｅｒimeｎtａlresultss

4、hoｗtｈatthｉｓalgorithmisfaｓterｔhantｈeSIFTaｎdＭOPＳ，andhａsmoｒestａbiliｔytｈaｎHarrｉsalgorｉｔhm.Theａlgｏrｉthmcaｎbeｕｓedinｉmagereｇistraｔioｎandtarｇeｔｔrａckiｎｇ.Keyworｄsfeatureｅxtraction;featureｍaｔchiｎｇ；multi-scaletrａｎsform；MOPＳ；SIFＴ;Harriｓcｏｒnｅr个人收集整理勿做商业用途1引言基于尺度空间的特征点提取算法是利

5、用图像的特征不变描述符对不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

6、用窗口搜索算法对特征点的局部极值进行提取。由于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。个人收集整理勿做商业用途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)ﻩﻩﻩ(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

7、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ﻩ(４）参考文献[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ﻩ(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

8、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