基于SIFT特征和角度相對距離的圖像配準(zhǔn)算法
【圖文】：
齦咚雇枷襝嗉醯玫礁咚共罘?differenceofgauss-ian，DOG)的多尺度空間表示。將樣本點(diǎn)和它相鄰的26個(gè)像素點(diǎn)進(jìn)行比較，得到DOG圖像中的極值點(diǎn)(即關(guān)鍵點(diǎn))的位置和對應(yīng)的尺度(參見圖1);將關(guān)鍵點(diǎn)所在16×16鄰域像素內(nèi)梯度方向直方圖最大值所對應(yīng)的方向作為關(guān)鍵點(diǎn)方向;在此基礎(chǔ)上，將鄰域的16×16像素劃為4×4共16個(gè)子區(qū)域，分別統(tǒng)計(jì)各個(gè)區(qū)域的8個(gè)梯度方向就可以得到SIFT的128維特征描述子。G(x，y，σ)=12πσ2e－(x2+y2)/2σ2(1)式中，σ代表了高斯正態(tài)分布的方差，(x，y)是圖像像素空間坐標(biāo)。圖1DOG空間建立及極值點(diǎn)檢測示意圖2基于角度相對距離的圖像配準(zhǔn)算法框架基于特征的圖像配準(zhǔn)算法，主要通過提取圖像中的顯著特征進(jìn)行計(jì)算，該算法靈活，執(zhí)行速度快，精度高。假設(shè)提取到的這些顯著特征為特征點(diǎn)。在提取出特征點(diǎn)后，，圖像配準(zhǔn)的工作就簡化為在特征點(diǎn)之間尋找對應(yīng)關(guān)系的問題。通常，基于特征的配準(zhǔn)算法主要由以下4部分組成:①提取參考圖和待配準(zhǔn)圖的SIFT特征點(diǎn);②SIFT特征點(diǎn)匹配，包括粗匹配和精匹配篩選正確匹配特征點(diǎn);③計(jì)算圖像間的變換關(guān)系;④圖像重采樣和插值。本文的重點(diǎn)研究內(nèi)容，在于第二步特征點(diǎn)匹配中正確匹配特征點(diǎn)的篩眩特征點(diǎn)的提取和匹配，是基于特征的圖像配準(zhǔn)算法的核心，將直接影響配準(zhǔn)的精度。首先，從參考圖像和待配準(zhǔn)圖像中提取出足夠多的特征點(diǎn)，特征點(diǎn)的提取方法必須具有尺度和旋轉(zhuǎn)不變性，采用SIFT特征正好能滿足要求;然后利用特征點(diǎn)之間的歐氏距離對特征點(diǎn)進(jìn)行粗匹配;再利用特征點(diǎn)的角度相對距離對粗匹配后的特征點(diǎn)進(jìn)行精匹配，最終得到正確匹配的特征點(diǎn)。3基于角度相對距離的特征點(diǎn)的匹配及篩選對于提取到的SIFT特征點(diǎn)和特征點(diǎn)描述符，采用粗匹配和精匹配兩步完?
法的有效性，用實(shí)際圖像對該算法進(jìn)行了配準(zhǔn)實(shí)驗(yàn)，所有實(shí)驗(yàn)均在Core(TM)2DuoCPUE7500@2.93Ghz且內(nèi)存為2GB的PC機(jī)的硬件環(huán)境下，采用MATLAB2014a編程實(shí)現(xiàn)。配準(zhǔn)實(shí)驗(yàn)使用了15組圖像，其中包含了可見光圖像、紅外圖像和遙感圖像。第1、2、3、10、11、12、14組實(shí)驗(yàn)圖像是可見光圖像;第8組實(shí)驗(yàn)為紅外與可見光圖像;第4、5、6、7、9、13、15組實(shí)驗(yàn)圖像為遙感、紅外及多光譜圖像。實(shí)驗(yàn)中使用SIFT特征點(diǎn)提取圖像特征，并利用歐式距離進(jìn)行了粗匹配。表1記錄了LLT算法、ＲANSAC算法和本文算法在15組圖像中精匹配的特征點(diǎn)數(shù)目，圖3給出了部分精匹配結(jié)果。表1特征點(diǎn)精匹配結(jié)果序號粗匹配LLTＲANSAC本文算法1307259253263220701505775150733154216915822186492884377787152182141892146582180178189727211110811385946394195214222510116106919411352929291230272828131615151514706040441537242626從表1可以看到，本文方法在多數(shù)情況下均可以比LLT算法和基于ＲANSAC算法得到更多的精匹配結(jié)果，且在實(shí)驗(yàn)中，本文方法精匹配結(jié)果更加準(zhǔn)確，這為圖像配準(zhǔn)和拼接處理提供了更多可靠的信息。在表1中可以看到本文的算法在第8、第10和第14組圖像中篩選出的正確匹配特征點(diǎn)數(shù)明顯比LLT算法篩選出的正確匹配特征點(diǎn)數(shù)目少，這并不表示本文方法結(jié)果不如LLT算法，這是因?yàn)長LT算法在這幾組實(shí)驗(yàn)圖像中篩選出了錯(cuò)誤匹配的特征點(diǎn)對，而本文算法雖然在這幾組圖像中篩選的數(shù)目比LLT算法少，但全部是正確的匹配點(diǎn)對。本文挑出了幾組圖像在3種方法中的精確匹配結(jié)果如圖3所示，圖像中圓圈里圈出了部分錯(cuò)誤匹配特征點(diǎn)在參考圖像和待配準(zhǔn)圖像中的位置。從圖3可以清楚看到在第8、第10和第14組圖像的實(shí)驗(yàn)中，LLT算法篩選出了很多錯(cuò)誤匹配的
【作者單位】： 西北工業(yè)大學(xué)自動(dòng)化學(xué)院
【基金】：航空科學(xué)基金(20131953022)資助
【分類號】：TP391.41
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 李暉暉;鄭平;楊寧;胡秀華;;基于SIFT特征和角度相對距離的圖像配準(zhǔn)算法[J];西北工業(yè)大學(xué)學(xué)報(bào);2017年02期
2 楊歡;石俊生;字崇德;李希才;;一種改進(jìn)的SIFT圖像配準(zhǔn)算法[J];云南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年03期
3 史晶晶;杜江;王磊;張蓬;;基于SIFT的印鑒配準(zhǔn)算法研究[J];計(jì)算機(jī)應(yīng)用與軟件;2013年12期
4 劉健;張國華;黃琳琳;;基于改進(jìn)SIFT的圖像配準(zhǔn)算法[J];北京航空航天大學(xué)學(xué)報(bào);2010年09期
5 祁燕;王琰;王明宇;;改進(jìn)的SIFT特征圖像配準(zhǔn)算法[J];沈陽理工大學(xué)學(xué)報(bào);2012年04期
6 保永強(qiáng);馬東洋;伍中楠;莫德林;李潤生;;兩種圖像配準(zhǔn)算法(SIFT與ASIFT算法)比較[J];影像技術(shù);2013年02期
7 孫文華;;面向單視頻超分辨率重建的改進(jìn)的SIFT配準(zhǔn)算法[J];河北科技師范學(xué)院學(xué)報(bào);2015年03期
8 許曉帆;杜江;;面向景象匹配輔助導(dǎo)航的SIFT圖像配準(zhǔn)算法[J];電子設(shè)計(jì)工程;2013年18期
9 李穎;鄭芳;陸雪松;高智勇;;基于視覺注意模型的SIFT圖像配準(zhǔn)算法研究[J];現(xiàn)代科學(xué)儀器;2012年02期
10 侯堅(jiān);張明;;一種蟻群優(yōu)化的改進(jìn)SIFT特征點(diǎn)的圖像配準(zhǔn)算法[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2016年20期
相關(guān)會議論文 前10條
1 曹世翔;江潔;張廣軍;袁艷;;一種簡化SIFT的圖像配準(zhǔn)算法[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年
2 宗新冉;李哲英;劉元盛;;基于SIFT算法的航拍影像自動(dòng)配準(zhǔn)與識別[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年
3 管學(xué)偉;劉先志;杜天軍;;一種基于SIFT算法的目標(biāo)匹配方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年
4 王丹;方寧;;一種基于SIFT算法的圖像匹配方法[A];2015年全國微波毫米波會議論文集[C];2015年
5 馮曉萌;吳玲達(dá);鄧?yán)颦?陳宇寧;;簡單動(dòng)畫形象的SIFT特征點(diǎn)匹配研究[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2010）論文集[C];2010年
6 陳小林;趙建;;多源圖像快速配準(zhǔn)算法研究[A];第八屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2010年
7 張政;張彩明;;一種基于法向特征的點(diǎn)云數(shù)據(jù)配準(zhǔn)算法[A];中國圖學(xué)新進(jìn)展2007——第一屆中國圖學(xué)大會暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會論文集[C];2007年
8 楊俊;戰(zhàn)蔭偉;;基于SIFT及射影變換的多攝像機(jī)目標(biāo)交接[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年
9 吳維勇;王英惠;;基于小波的多分辨率數(shù)據(jù)配準(zhǔn)算法[A];中國計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國計(jì)算機(jī)圖形學(xué)大會論文集[C];2008年
10 李剛;曾榮盛;韓建濤;陳曾平;;基于雙向SIFT的未標(biāo)定圖像的立體匹配[A];全國第4屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2010年
相關(guān)博士學(xué)位論文 前10條
1 柳成蔭;基于點(diǎn)特征的多模與多視角圖像非剛性配準(zhǔn)算法研究[D];華中科技大學(xué);2018年
2 章學(xué)靜;像素級圖像增強(qiáng)及配準(zhǔn)算法研究[D];北京理工大學(xué);2014年
3 張超;基于局部特征的圖像配準(zhǔn)算法及應(yīng)用研究[D];北京理工大學(xué);2015年
4 楊娟;醫(yī)學(xué)圖像配準(zhǔn)和四維磁共振成像相關(guān)技術(shù)研究[D];山東大學(xué);2015年
5 李欣;自適應(yīng)放療中變形圖像配準(zhǔn)算法相關(guān)關(guān)鍵技術(shù)的研究[D];南方醫(yī)科大學(xué);2017年
6 虞剛;在線自適應(yīng)放療若干關(guān)鍵問題的研究[D];東南大學(xué);2015年
7 王偉;醫(yī)學(xué)圖像非剛性配準(zhǔn)算法研究[D];大連理工大學(xué);2012年
8 陸雪松;聚焦超聲治療系統(tǒng)中的圖像非剛性配準(zhǔn)算法研究及應(yīng)用[D];上海交通大學(xué);2008年
9 楊占龍;基于特征點(diǎn)的圖像配準(zhǔn)與拼接技術(shù)研究[D];西安電子科技大學(xué);2008年
10 張靜;SIFT算法的VLSI結(jié)構(gòu)設(shè)計(jì)與實(shí)時(shí)實(shí)現(xiàn)[D];華中科技大學(xué);2014年
相關(guān)碩士學(xué)位論文 前10條
1 李穎;基于SIFT的圖像配準(zhǔn)及其應(yīng)用研究[D];中南民族大學(xué);2012年
2 楊金龍;基于SIFT算法的圖像配準(zhǔn)算法研究[D];揚(yáng)州大學(xué);2013年
3 張文軒;基于SIFT的圖像拼接中配準(zhǔn)算法研究與應(yīng)用[D];西安電子科技大學(xué);2015年
4 高文剛;應(yīng)用SIFT算法的圖像配準(zhǔn)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];中北大學(xué);2017年
5 田阿靈;基于SIFT的紅外與可見光圖像配準(zhǔn)方法研究[D];華北電力大學(xué)（河北）;2008年
6 胡鵬;基于嵌入式系統(tǒng)的自適應(yīng)SIFT圖像配準(zhǔn)算法的研究[D];西安電子科技大學(xué);2014年
7 馬利粉;序列紅外影像自動(dòng)配準(zhǔn)算法研究[D];中國地質(zhì)大學(xué)(北京);2015年
8 汪淑夢;基于改進(jìn)的SIFT算法的圖像配準(zhǔn)技術(shù)的研究與實(shí)現(xiàn)[D];中國地質(zhì)大學(xué)（北京）;2013年
9 陳志雄;基于圖像配準(zhǔn)的SIFT算法研究與實(shí)現(xiàn)[D];武漢理工大學(xué);2008年
10 商磊;基于改進(jìn)SIFT算法的圖像配準(zhǔn)研究[D];電子科技大學(xué);2014年
本文編號：2531709
本文鏈接：http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/2531709.html
