一種改進的Harris角點檢測的圖像配準方法
【圖文】：
簡單，但常常出現(xiàn)很多誤匹配點對［13］。本文采用隨機抽樣一致性算法(ＲANSAC)對匹配結(jié)果進行篩選，消除誤匹配點對［14］。4實驗結(jié)果為了驗證本文算法的實際效果，本文采用三組來源不同的圖像進行實驗對比。本文實驗硬件環(huán)境如下:CPUIntel(Ｒ)Core(TM)i5－2450M;內(nèi)存為4GB;64位window7操作系統(tǒng)，軟件實施平臺為Mat-lab2014a。3組圖像如圖1所示，其中(a)、(b)為實景拍攝的蘭花圖像，大小為570×456;(c)、(d)為圖像數(shù)據(jù)庫中雪山的圖像，大小為516×375;(e)、(f)為網(wǎng)絡(luò)采集的輪船圖像，大小為666×960。圖13組測試圖像Fig．1Threegroupsoftestingimages首先為了驗證本文算法在特征點提取上的優(yōu)勢，分別采用改進的Harris角點檢測算法和傳統(tǒng)的Harris角點檢測算法對圖1中3組測試圖像進行比較試驗。特征點數(shù)量和時間統(tǒng)計結(jié)果如表1所示。改進的Harris角點檢測算法相對傳統(tǒng)的Harris角點檢測算法在特征點數(shù)量上具有很大的優(yōu)勢。在圖1中的3組圖像角點檢測數(shù)量上增幅都在18%以上，圖1(b)的特征點數(shù)量增幅達到了40%。表1角點檢測結(jié)果比較Tab．1Comparisonofthetwoalgorithms特征點數(shù)量時間/s傳統(tǒng)Harris改進Harris傳統(tǒng)Harris改進Harris圖1(a)、(b)1972810．7800．791圖1(c)、(d)4355340．5780．594圖1(e)、(f)4305100．6010．611為了證明改進算法在特征點分布上的優(yōu)勢，，圖2所示為圖1中三組圖像的特征點分布對比試驗圖，從圖中可以看出改進的Harris角點檢測出的特征點分布相對傳統(tǒng)Harris角點檢測出的特征點分布較均勻。為了驗證改進Harris角點檢測算法在圖像匹配上的效果，本文采用改進的Harris角點檢測算法和傳統(tǒng)Harris角點檢測算法對圖1中的三組圖像進行圖像配準測試，具體的實驗數(shù)據(jù)統(tǒng)計如表2所示。雖然改進的Har
簡單，但常常出現(xiàn)很多誤匹配點對［13］。本文采用隨機抽樣一致性算法(ＲANSAC)對匹配結(jié)果進行篩選，消除誤匹配點對［14］。4實驗結(jié)果為了驗證本文算法的實際效果，本文采用三組來源不同的圖像進行實驗對比。本文實驗硬件環(huán)境如下:CPUIntel(Ｒ)Core(TM)i5－2450M;內(nèi)存為4GB;64位window7操作系統(tǒng)，軟件實施平臺為Mat-lab2014a。3組圖像如圖1所示，其中(a)、(b)為實景拍攝的蘭花圖像，大小為570×456;(c)、(d)為圖像數(shù)據(jù)庫中雪山的圖像，大小為516×375;(e)、(f)為網(wǎng)絡(luò)采集的輪船圖像，大小為666×960。圖13組測試圖像Fig．1Threegroupsoftestingimages首先為了驗證本文算法在特征點提取上的優(yōu)勢，分別采用改進的Harris角點檢測算法和傳統(tǒng)的Harris角點檢測算法對圖1中3組測試圖像進行比較試驗。特征點數(shù)量和時間統(tǒng)計結(jié)果如表1所示。改進的Harris角點檢測算法相對傳統(tǒng)的Harris角點檢測算法在特征點數(shù)量上具有很大的優(yōu)勢。在圖1中的3組圖像角點檢測數(shù)量上增幅都在18%以上，圖1(b)的特征點數(shù)量增幅達到了40%。表1角點檢測結(jié)果比較Tab．1Comparisonofthetwoalgorithms特征點數(shù)量時間/s傳統(tǒng)Harris改進Harris傳統(tǒng)Harris改進Harris圖1(a)、(b)1972810．7800．791圖1(c)、(d)4355340．5780．594圖1(e)、(f)4305100．6010．611為了證明改進算法在特征點分布上的優(yōu)勢，圖2所示為圖1中三組圖像的特征點分布對比試驗圖，從圖中可以看出改進的Harris角點檢測出的特征點分布相對傳統(tǒng)Harris角點檢測出的特征點分布較均勻。為了驗證改進Harris角點檢測算法在圖像匹配上的效果，本文采用改進的Harris角點檢測算法和傳統(tǒng)Harris角點檢測算法對圖1中的三組圖像進行圖像配準測試，具體的實驗數(shù)據(jù)統(tǒng)計如表2所示。雖然改進的Har
【作者單位】： 重慶理工大學電子信息與自動化學院;
【基金】：重慶市基礎(chǔ)與前沿研究計劃項目(No.cstc2015jcyj A40051)資助
【分類號】：TP391.41
【參考文獻】
相關(guān)期刊論文 前9條
1 張東;余朝剛;;基于特征點的圖像拼接方法[J];計算機系統(tǒng)應(yīng)用;2016年03期
2 鄒志遠;安博文;曹芳;潘勝達;;一種自適應(yīng)紅外圖像角點檢測算法[J];激光與紅外;2015年10期
3 王鵬程;龍永新;文志強;吳金津;廖飛;;一種基于邊緣積分與鄰域提純的圖像匹配方法[J];計算技術(shù)與自動化;2015年03期
4 郭曉冉;崔少輝;;透視變換模型的Harris圖像配準[J];微電子學與計算機;2014年04期
5 李鵬程;曾毓敏;張夢;;基于改進Harris的圖像拼接算法[J];南京師范大學學報(工程技術(shù)版);2014年01期
6 劉輝;申海龍;;一種基于改進SIFT算法的圖像配準方法[J];微電子學與計算機;2014年01期
7 吳偉交;王敏;黃心漢;毛尚勤;;基于向量夾角的SIFT特征點匹配算法[J];模式識別與人工智能;2013年01期
8 溫文雅;;一種改進的Harris多尺度角點檢測算法[J];重慶理工大學學報(自然科學);2012年08期
9 賀柏根;朱明;楊粵濤;劉春香;;Harris角點在金屬材料硬度檢測中的應(yīng)用[J];激光與紅外;2010年09期
【共引文獻】
相關(guān)期刊論文 前10條
1 馬嘉琳;張錦明;孫衛(wèi)新;;基于相機標定的全景圖拼接方法研究[J];系統(tǒng)仿真學報;2017年05期
2 李蘭;謝勤嵐;;一種改進Harris-SIFT算子的圖像匹配算法[J];艦船電子工程;2017年04期
3 羅志娟;;小波提取邊緣特征點圖像配準研究[J];長沙航空職業(yè)技術(shù)學院學報;2017年01期
4 張見雙;張紅民;羅永濤;陳柏元;;一種改進的Harris角點檢測的圖像配準方法[J];激光與紅外;2017年02期
5 韓超;方露;章盛;;一種優(yōu)化的圖像配準算法[J];電子測量與儀器學報;2017年02期
6 鄒彬;陸陽;錢鈞;賀峻峰;李良福;楊一洲;;基于圖像全局矢量的特征點矢量提取方法[J];微電子學與計算機;2017年01期
7 任立勝;王立中;;基于曲率尺度空間的角點檢測圖像匹配算法分析[J];電子技術(shù)應(yīng)用;2016年12期
8 周敏;劉寧鐘;王立春;;基于無人機航拍的公路圖像拼接方法研究[J];計算機與現(xiàn)代化;2016年10期
9 邢凱盛;凌有鑄;陳孟元;;ORB特征匹配的誤匹配點剔除算法研究[J];電子測量與儀器學報;2016年08期
10 蘇森;李郁峰;范勇;陳念年;劉冬冬;;一種快速高精度的零件圖像配準算法[J];制造技術(shù)與機床;2016年07期
【二級參考文獻】
相關(guān)期刊論文 前10條
1 王俊秀;孔令德;;基于特征點匹配的全景圖像拼接技術(shù)研究[J];軟件工程師;2014年11期
2 陳夢潔;;邊緣檢測方法的對比研究[J];科技視界;2014年11期
3 郭曉冉;崔少輝;;基于局部特征點配準的圖像拼接算法[J];半導(dǎo)體光電;2014年01期
4 高晶;吳育峰;吳昆;孫繼銀;;基于角點檢測的圖像匹配算法[J];儀器儀表學報;2013年08期
5 周龍萍;;基于改進的Harris算法檢測角點[J];計算機技術(shù)與發(fā)展;2013年02期
6 仇國慶;馮漢青;蔣天躍;涂樂飛;;一種改進的Harris角點圖像拼接算法[J];計算機科學;2012年11期
7 張月輝;吳健;陸姍姍;崔志明;;基于詞匯樹層次語義模型的圖像檢索算法[J];微電子學與計算機;2012年11期
8 戴濤;朱長仁;胡樹平;;圖像匹配技術(shù)綜述[J];數(shù)字技術(shù)與應(yīng)用;2012年03期
9 李小昌;朱丹;;采用尺度不變特征和區(qū)域選擇的圖像配準方法[J];紅外與激光工程;2012年02期
10 焦斌亮;樊曼曼;;基于改進SIFT算法的多源遙感影像配準研究[J];激光與紅外;2011年12期
【相似文獻】
相關(guān)期刊論文 前10條
1 程芳,朱敏慧,吳一戎;改進的多項式圖像配準方法[J];電子與信息學報;2001年11期
2 劉斌,彭嘉雄;圖像配準的小波分解方法[J];計算機輔助設(shè)計與圖形學學報;2003年09期
3 諶安軍;;基于多尺度圖像配準方法[J];電子測量技術(shù);2003年05期
4 諶安軍,陳煒,毛士藝;一種基于邊緣的圖像配準方法[J];電子與信息學報;2004年05期
5 劉松濤;楊紹清;;圖像配準技術(shù)性能評估及實現(xiàn)概況[J];電光與控制;2007年03期
6 李玲玲;黃其民;李保;;多傳感器圖像配準方法綜述[J];光盤技術(shù);2007年02期
7 劉松濤;楊紹清;;圖像配準技術(shù)研究進展[J];電光與控制;2007年06期
8 上官晉太;郭慧;岳晉;楊汝良;;圖像配準測度對重疊面積變化的魯棒性分析[J];光電工程;2008年11期
9 李曉明;張繼福;;一種基于學習的自動圖像配準檢驗方法[J];自動化學報;2008年01期
10 徐海黎;花國然;莊健;王孫安;;采用小世界免疫克隆算子的頻率域圖像配準[J];西安交通大學學報;2009年06期
相關(guān)會議論文 前10條
1 付宇光;唐煥文;唐一源;;一種優(yōu)化算法在圖像配準中的應(yīng)用[A];第二十屆中國控制會議論文集（上）[C];2001年
2 桂秋陽;邱志明;;大口徑艦炮圖像配準方式射擊精度仿真[A];中國系統(tǒng)仿真學會第五次全國會員代表大會暨2006年全國學術(shù)年會論文集[C];2006年
3 彭靜;徐曉艷;任蕾;;一種基于極對數(shù)分數(shù)階傅里葉變換的圖像配準方法[A];第七屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2011)論文集【oral】[C];2011年
4 王佳佳;廖寧放;廉玉生;劉子龍;;基于八通道成像光譜儀圖像配準技術(shù)研究[A];中國光學學會2010年光學大會論文集[C];2010年
5 馮麗麗;姜慧研;李季;;一種自適應(yīng)的非剛性圖像配準方法及其在肝臟配準中的應(yīng)用[A];第九屆全國信息獲取與處理學術(shù)會議論文集Ⅱ[C];2011年
6 翟勝軍;姜暉;張鑫;;一種基于角點的圖像配準方法[A];武漢(南方九省)電工理論學會第22屆學術(shù)年會、河南省電工技術(shù)學會年會論文集[C];2010年
7 吳錚;錢徽;朱淼良;;基于特征匹配的航空圖像配準[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年
8 楊必武;倪志斌;;圖像配準中基于最大熵的模板選取算法研究[A];2006年全國光電技術(shù)學術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年
9 李紅波;倪國強;;圖像配準中特征點匹配分析與展望[A];第三屆全國嵌入式技術(shù)和信息處理聯(lián)合學術(shù)會議論文集[C];2009年
10 滕凱風;張建秋;周柏楊;王友華;;基于免疫單純形法的魯棒多分辨率圖像配準[A];2007'儀表，自動化及先進集成技術(shù)大會論文集（一）[C];2007年
相關(guān)博士學位論文 前10條
1 叢偉建;應(yīng)用于肝臟介入診療的超聲圖像分析與導(dǎo)航方法研究[D];北京理工大學;2015年
2 靳峰;基于特征的圖像配準關(guān)鍵技術(shù)研究[D];西安電子科技大學;2015年
3 黃韶杰;基于聚類的煤巖分界圖像識別技術(shù)研究[D];中國礦業(yè)大學(北京);2016年
4 馬亮;基于模塊化推掃式成像光譜儀的光譜校正與圖像配準技術(shù)研究[D];中國科學院研究生院(上海技術(shù)物理研究所);2015年
5 宋智禮;圖像配準技術(shù)及其應(yīng)用的研究[D];復(fù)旦大學;2010年
6 周武;精密圖像配準方法研究及在精密電子組裝中的應(yīng)用[D];華南理工大學;2012年
7 黃曉陽;在體肝臟圖像配準方法及應(yīng)用研究[D];廈門大學;2009年
8 朱憲偉;基于結(jié)構(gòu)特征的異源圖像配準技術(shù)研究[D];國防科學技術(shù)大學;2009年
9 王東峰;多模態(tài)和大型圖像配準技術(shù)研究[D];中國科學院研究生院（電子學研究所）;2002年
10 王雷;影像導(dǎo)航手術(shù)中2D/3D圖像配準[D];中國科學院研究生院(長春光學精密機械與物理研究所);2015年
相關(guān)碩士學位論文 前10條
1 楊小麗;基于輪廓的SAR圖像配準方法研究[D];天津理工大學;2015年
2 張海濱;圖像配準技術(shù)在前列腺DWI序列圖像中的研究與應(yīng)用[D];河北大學;2015年
3 汪松;在圖像配準中基于點特征的匹配算法[D];鄭州大學;2015年
4 王菲;一種改進的紅外圖像配準拼接算法研究[D];蘭州大學;2015年
5 �；圪t;基于分數(shù)階傅里葉變換的剛性圖像配準技術(shù)[D];鄭州大學;2015年
6 郭莉莉;基于人工蜂群算法的SPECT-B超甲狀腺圖像配準[D];河北大學;2015年
7 何永亮;基于特征點和TPE兩點熵的圖像配準技術(shù)研究[D];華中師范大學;2015年
8 胡鐘琴;基于互信息和粒子群算法的圖像配準研究[D];廣西大學;2015年
9 商磊;基于改進SIFT算法的圖像配準研究[D];電子科技大學;2014年
10 陳海斌;圖像分割和圖像配準在近距離放射治療中的應(yīng)用研究[D];南方醫(yī)科大學;2015年
本文編號：2519576
本文鏈接：http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/2519576.html
