雖然Hu不變矩對于旋轉等變換具有不變性,但其存在計算量過大、匹配速率慢等問題。文章介紹了一種首先搜索模板代表色,然后對代表色單獨進行不變矩匹配的方法,并在匹配策略中引入變步長策略,進一步提高匹配效率。實驗證明,所提出的算法不僅保持了不變矩的旋轉不變性,而且相對于僅考慮灰度特征的不變矩匹配擁有更高的效率。 

【文章來源】：計算機時代. 2020,(09)

【文章頁數】：4 頁

【部分圖文】：

匹配實驗圖像

將本文算法與僅采用灰度值的不變矩匹配算法做對比試驗，選取Middlebury數據集中的另一張圖片，如圖2(a)所示。模板圖分別選取圖像的兩個部分，如圖2(b)(c)所示。在匹配模板2的實驗過程中輸出基于代表色的粗搜索得出的感興趣區(qū)域，如圖3所示。圖中灰度值越大的區(qū)域代表模板圖在該區(qū)域的可能性越高，在實際實驗過程中只需要選取灰度值最大的部分進行精搜索即可達到較高的準確度。由圖可見粗搜索剔除了大部分的多余部分，大大提高了搜索效率。

在匹配模板2的實驗過程中輸出基于代表色的粗搜索得出的感興趣區(qū)域，如圖3所示。圖中灰度值越大的區(qū)域代表模板圖在該區(qū)域的可能性越高，在實際實驗過程中只需要選取灰度值最大的部分進行精搜索即可達到較高的準確度。由圖可見粗搜索剔除了大部分的多余部分，大大提高了搜索效率。對于模板1，本文所用匹配算法用時為11.94s，而灰度不變矩匹配算法用時218.08s。對于模板2，本文所用匹配算法用時為99.75s，灰度不變矩匹配算法的用時為470.94s，本文所用的算法在保證匹配準確度較高的情況下減少了78.81%的匹配時間。

【參考文獻】：
期刊論文
[1]基于改進HU不變矩的快速圖像匹配算法[J]. 丁悅,吳靜靜,蔣毅,翁陳熠.  傳感器與微系統(tǒng). 2020(02)
[2]基于不變矩的制動開關圖像匹配方法[J]. 吳波,封松林,艾成漢,楊林杰,孫國棟,吳曦.  現代電子技術. 2016(24)
[3]局部圖像描述符最新研究進展[J]. 許允喜,陳方.  中國圖象圖形學報. 2015(09)
[4]基于顏色聚類和Hu不變矩的道路交通標志檢測[J]. 盧阿娟,陳普春,劉麗,田芳.  物聯網技術. 2013(05)
[5]基于72HSV直方圖和不變矩的圖像檢索[J]. 肖川.  硅谷. 2012(02)
[6]基于多種主色調的圖像檢索算法研究與實現[J]. 曹莉華,柳偉,李國輝.  計算機研究與發(fā)展. 1999(01)

碩士論文
[1]基于深度學習的圖像匹配及融合算法研究[D]. 劉強強.西安電子科技大學 2018



本文編號：3313709