鲁棒的新型特征提取和匹配算法

摘要/Abstract

摘要：

针对现有图像特征匹配算法高复杂度、耗时长等问题,提出一种基于局部特征点的新型特征匹配算法。首先,构建尺度金字塔,在不同的尺度上进行FAST特征点检测,根据特征点的Harris响应对特征点进行排序选取;然后利用图像的矩和积分图的方法获得特征点方向,再根据同心圆的采样模式构造特征点向量,最后根据特征点向量的汉明距离进行特征匹配。实验研究表明,该算法在图像有一定程度的缩放、旋转和噪声影响的条件下,运行效果仍然稳定可靠。与传统的SIFT算法相比,该算法在保证特征提取与匹配良好性能的前提下,运行速度要比SIFT算法快数倍。

关键词: 特征提取, 特征匹配, 尺度金字塔, SIFT算法

Abstract:

Now existing image feature matching algorithms are always high complexity and long time-consuming.A novel feature matching algorithm was proposed based on local feature points.Scale pyramid should be constructed first in which FAST key points were detected and extracted according to their Harris response.Then directions were distributed for key points using a method of intensity centroid.Finally,key point vectors were built via a sampling pattern.The hamming distance between the key point vectors in different images decided whether the two of them were matched or not.Experiments show that this algorithm is robust and reliable even under the condition of a certain degree of scaling,rotation and the effects of noise.Moreover,this algorithm is several times faster than SIFT while performing as well as SIFT in other aspects.

Key words: feature extract, feature matching, scale pyramid, SIFT algorithm

中图分类号:

TG156

王海罗, 汪渤. 鲁棒的新型特征提取和匹配算法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 371-375.

WANG Hai-luo, WANG Bo. Robust novel feature extraction and matching algorithms[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 371-375.

参考文献

[1] 曾慧,穆志纯.一种鲁棒的图像局部特征区域的描述方法[J].自动化学报,2011,37(6):17-21. Zeng Hui,Mu Zhi-chun.Description of a robust image local feature regions [J].Acta Automation Sinica,2011,37(6):17-21.

[2] 王永明,王贵锦.图像局部不变性特征与描述[M].北京:国防工业出版社,2009.

[3] David G Lowe.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,60(2),91-110.

[4] Herbert B,Tinne T.SURF:speeded up robust features[J].Computer Vision and Image Understanding,2006,110(3):346-359.

[5] Mikolajczyk K.A performance evaluation of local descriptors[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2005,27(10):1615-1630.

[6] Michael Calonder.BRIEF:Binary robust independent elementary features[J].Lecture Notes in Computer Science,2010,63(14):778-792.

[7] Leutenegger S.BRISK:Binary robust invariant scalable keypoints[C]//IEEE International Conference on Computer Vision.2011:2548-2555.

[8] Rublee E.ORB:An efficient alternative to SIFT or SURF[C]//IEEE International Conference on Computer Vision.2011:2564-2571.

[9] Yan Ke.PCA-SIFT:A more distinctive representation for local image descriptors[J].Proceedings of IEEE Computer Society Conference on Computer Viesion and Pattern Recognition,2004(2):506-513.

相关文章 15

[1]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[2]	董强, 刘晶红, 周前飞. 用于遥感图像拼接的改进SURF算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1644-1652.
[3]	尹明, 战荫伟, 裴海龙. 基于稀疏补算子学习的图像融合方法[J]. 吉林大学学报(工学版), 2016, 46(6): 2052-2058.
[4]	聂海涛, 龙科慧, 马军, 张雷, 马喜强. 基于快速SIFT算法和模糊控制的人脸识别[J]. 吉林大学学报(工学版), 2016, 46(2): 549-555.
[5]	肖钟捷. 基于小波空间特征谱熵的数字图像识别[J]. 吉林大学学报(工学版), 2015, 45(6): 1994-1998.
[6]	刘红，孙爽滋，王庆元，李延忠. 基于PSO的模拟电路故障信息特征提取[J]. 吉林大学学报(工学版), 2015, 45(2): 675-680.
[7]	潘海阳, 刘顺安, 姚永明. 基于深度信息的自主空中加油技术[J]. 吉林大学学报(工学版), 2014, 44(6): 1750-1756.
[8]	邱春玲, 陶强, 范润龙, 王培智. 基于局部二进制描述SIFT特征的锆石图像配准方法[J]. 吉林大学学报(工学版), 2014, 44(6): 1793-1798.
[9]	李学军, 杨晟, 李振举, 杨阿华, 刘涛. 与高精度单点匹配式定位算法[J]. 吉林大学学报(工学版), 2014, 44(4): 1197-1202.
[10]	顾播宇,孙俊喜,李洪祚,刘红喜,刘广文. 基于特征加权模块双方向二维主成分分析的人脸识别[J]. 吉林大学学报(工学版), 2014, 44(3): 828-833.
[11]	纪超, 刘慧英, 孙景峰, 贺胜, 黄民主. 基于空域和频域的图像显著区域检测[J]. 吉林大学学报(工学版), 2014, 44(01): 177-183.
[12]	王卓峥, 贾克斌. 矩阵填充与主元分析在受损图像配准中的应用[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 78-83.
[13]	赵宏伟, 陈霄, 石景海, 马凌蛟. 综合颜色和形状特征的交通标志图像检索算法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 128-132.
[14]	赵宏伟, 陈霄, 龙曼丽, 裴士辉. 基于Riesz变换的图像边缘检测[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 133-137.
[15]	汪松, 王俊平, 万国挺, 王乐. 基于SIFT算法的图像匹配方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 279-282.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed