2008年5月第34卷第5期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsMay2008Vol.
34No.
5收稿日期:2007-05-08基金项目:北京市教育委员会共建项目(BHBJZD-1-5)作者简介:张少辉(1982-),男,山东青岛人,硕士生,zhanahohui-3@163.
com.
一种基于图像特征点提取及匹配的方法张少辉沈晓蓉范耀祖(北京航空航天大学自动化科学与电气工程学院,北京100083)摘要:针对图像特征提取与匹配的适应性和准确性的问题,将尺度不变特征变换(SIFT,ScaleInvariantFeatureTransform)算法应用到图像匹配领域.
首先从原理上对SIFT算法的特性进行了分析,并以visualstudio2005为开发平台对SIFT算法分步骤进行了实现;最后以基于欧氏距离的最近邻准则作为特征的相似度量将SIFT算法提取的特征应用于图像特征匹配,并对不同的近邻比进行比较,给出了建议值.
通过3组实验图像的匹配结果表明,SIFT算法提取的特征对图像缩放、旋转、亮度变化的匹配正确率都等于或接近100%,证明了SIFT算法提取的特征点有很好的适应性和准确性,可以进一步应用到图像识别以及图像重建等领域.
关键词:特征提取;特征匹配;尺度不变特征变换;尺度空间中图分类号:TP391文献标识码:A文章编号:1001-5965(2008)05-0516-04Methodinimage'sfeatureextractionandmatchingZhangShaohuiShenXiaorongFanYaozu(SchoolofAutomationScienceandElectricalEngineering,BeijingUniversityofAeronauticsandAstronautics,Beijing100083,China)Abstract:Tosolvetheproblemofadaptabilityandaccuracyinthefieldofimagefeatureextrac-tionandfeaturematching,themethodofscaleinvariantfeaturetransform(SIFT)wasintroduced.
FirstlythecharacteristicsoftheSIFTmethodwereanalyzedbytheory,andtheSIFTmethodwasim-plementedstepbysteponthevisualstudio2005platform;ThenthefeaturesextractedbySIFTmeth-odwereappliedtomatchimagesonthecriterionofnearestneighborbasedonEuclideandistance.
Asuggestionvalueboundwasgivenbycomparingthematchingresultofdifferentnearestratio.
AtlasttheeffectoftheSIFTmethodwasvalidatedbythematchingresultofthreedifferentgroupsofima-ges.
ThematchingresultshowsthatthefeaturesextractedbySIFTmethodareinvarianttoimagescale,rotationandilluminationchange,andthematchingaccuraciesareallequalorcloseto100%.
TheseresultsprovethatthefeaturesextractedbySIFTmethodhaveexcellentadaptiveandaccuratecharacteristics,whichareusefulforthefieldsofimagerecognition,imagereconstruction,etc.
Keywords:featureextraction;featurematching;scaleinvariantfeaturetransform;scalespace在图像特征提取与匹配领域中,如何提取稳定的特征,提高匹配的准确度是一个关键的问题.
尺度不变特征变换(SIFT,ScaleInvariantFea-tureTransform)方法[1],主要思想是利用多尺度变换在尺度空间中寻找极值点,提取特征点位置和方向,使其对图像缩放、旋转、光线变化甚至仿射变换保持不变.
本文将SIFT算法提取的特征用于图像匹配,并对匹配结果进行了实验验证.
1SIFT算法1.
1SIFT算法分析1)多尺度空间和降采样方法为了模拟人类在不同距离观察事物的过程,形成了多尺度空间方法[2-3].
经研究发现高斯函数是唯一的尺度空间内核函数[4-6].
SIFT算法定义图像尺度空间函数为L(x,y,σ),输入图像用I(x,y)表示,利用高斯内核函数对输入图像进行卷积操作,则有L(x,y,σ)=G(x,y,σ)I(x,y)(1)其中,G(x,y,σ)为尺度可变高斯函数,其元素的计算公式如下:g(x,y,σ)=12πσ2e-(x2+y2)/2σ2(2)其中,(x,y)为空间坐标;σ为尺度坐标.
采用不同的σ对图像进行高斯卷积,得到高斯图像金字塔,从而增强SIFT算法对于图形缩放的适应能力.
2)求高斯差分空间极值高斯差分(DOG,DifferenceofGaussian)函数为D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))I(x,y)=L(x,y,kσ)-L(x,y,σ)(3)其中k为常数.
Mikolajczyk通过实验发现相对于其他的特征提取函数,通过求高斯拉普拉斯函数σ2Δ2G的最大和最小值能得到最稳定的图像特征点[7],并且由于G(x,y,kσ)-G(x,y,σ)≈(k-1)σ2Δ2G(4)所以用DOG函数也可以得到最稳定的图像特征点.
每一个采样点要和它所有的相邻像素点进行比较,看是否为其所在图像域和尺度域的检测邻域中的极值点.
从而SIFT算法能够获取稳定的图像特征点.
3)去除低对比度点和边缘响应点DOG空间极值有对噪声敏感的低对比度点和对边缘响应敏感的边缘响应点.
低对比度点去除:将尺度空间函数D(x,y,σ)泰勒展开,求其导数并将其值设为0,可以得到极值处的X^.
X^=-2D-1X2DX(5)X^加到其样本点上从而得到在极值位置处的插值估计值D(X^)=D+12DTXX^(6)将D(X^)小于某一阈值的点视为低对比度点去除.
边缘响应点去除:一个定义不好的高斯差分算子的极值在横跨边缘的地方有较大的主曲率,而在垂直边缘的方向有较小的主曲率.
由于D的主曲率和Hessian矩阵H的特征值成正比,为了检测主曲率是否在某域值γ(γ为H阵最大特征值与最小特征值的比值)下,只需检测(trH)2detH图像放大了1.
5倍和缩小为原图的1/2,匹配图如图1、图2,匹配结果见表1.
a放大图与原图匹配结果b原图与缩小图匹配结果图1τ=0.
6缩放匹配结果a放大图与原图匹配结果b原图与缩小图匹配结果图2τ=0.
2缩放匹配结果表1第1组图像的匹配结果图像提取点数匹配点数匹配率/%误匹配正确率/%放大图(τ=0.
6)284158377.
3299.
4缩小图(τ=0.
6)15112482.
1596.
0放大图(τ=0.
2)284131641.
90100缩小图(τ=0.
2)1516543.
00100第2组图像用来检验算法对于旋转变化的适应能力.
分别将图像逆时针旋转了90°,顺时针旋转了30°,匹配图如图3、图4,匹配结果见表2.
第3组图像用来检验算法对于光照变化的适应能力.
分别将图像增加亮度40和减少亮度30,匹配图如图5,匹配结果见表3.
表2第2组图像的匹配结果a逆时针与原图匹配结果b顺时钟与原图匹配结果图3τ=0.
6旋转图匹配结果a逆时针与原图匹配结果b顺时钟与原图匹配结果图4τ=0.
2旋转图匹配结果图像提取点数匹配点数匹配率/%误匹配正确率/%逆时针(τ=0.
6)76074698.
90100顺时针(τ=0.
6)74530841.
3299.
4逆时针(τ=0.
2)76073497.
30100顺时针(τ=0.
2)74510413.
90100a加亮图与原图匹配结果b减亮图与原图匹配结果图5τ=0.
2亮度变化匹配结果表3第3组图像的匹配结果图像提取点数匹配点数匹配率/%误匹配正确率/%逆时针(τ=0.
6)75169993.
10100亮度减(τ=0.
6)7547541000100亮度加(τ=0.
2)75166288.
10100亮度减(τ=0.
2)7547541000100通过以上的图像匹配结果可以看出,在τ较小的时候,匹配成功点数与匹配率较小,但是保证了匹配的正确率;在τ较大的时候,匹配成功点数与匹配率较大,但是同时存在着误匹配;这些误匹配都是发生在一个特征点对应多个描述符的情况,并且对应该特征点的正确匹配也存在于匹配815北京航空航天大学学报2008年结果中,这一点更说明了SIFT算法的稳定性.
为了兼顾匹配率与匹配正确率,建议采用0.
3≤τ≤0.
4.
3结束语本文对基于图像特征点提取的SIFT算法进行了研究,针对图像缩放、图像旋转、图像亮度变化设计了实验并进行了匹配,从实验结果可以看出,SIFT算法能够提取数量相对较多的特征点,提取的特征点对图像的缩放、旋转以及亮度变化保持了很好的鲁棒性,将其应用于图像匹配,保持了很高的匹配正确率.
但是SIFT算法的速度比较慢,下一步将针对算法的实时性进行改进.
参考文献(References)[1]LoweDG.
Distinctiveimagefeaturesfromscale-invariantkeypoints[J].
InternationalJournalofComputerVision,2004,60(2):91-110[2]WitkinAP,BabaudJ,BaudinM.
UniquenessoftheGauss-iankernelforscale-spacefiltering[J].
IEEETransactionsonPatternAnalysisandMachineIntelligence,1986,8(1):26-33[3]WitkinAP.
Scalespacefiltering[C]//ProceedingsInterna-tionalJointConferenceArtificialIntelligence.
Karlsruhe,Germany:CA,1983:1019-1022[4]KoenderinkJJ.
Thestructureofimages[J].
BiologicalCy-bernetics,1984,50:363-396[5]LindebergT.
Detectingsalientblob-likeimagestructuresandtheirscaleswithascale-spaceprimalsketch:amethodforfocus-of-attention[J].
InternationalJournalofComputerVision,1993,11(3):283-318[6]LindebergT.
Scale-spacetheory:abasictoolforanalysingstructuresatdifferentscales[J].
JournalofAppliedStatis-tics,1994,21(2):224-270[7]MikolajczykK.
Detectionoflocalfeaturesinvarianttoaffinetransformations[D].
France:InstituteNationalPolytech-niquedeGrenoble,2002(责任编辑:娄嘉)(上接第515页)参考文献(References)[1]GiarratanoJ,RilayG.
Expertsystemsprinciplesandpro-gramming[M].
3rdEdition.
Boston:PWSPublishingCom-pany,1998[2]窦永金.
智能驾驶员辅助系统研究[D].
北京:北京航空航天大学自动化科学与电气工程学院,2004DouYongjing.
Researchonintelligentpilot'sassociate[D].
Beijing:SchoolofAutomationScienceandElectricalEngi-neering,BeijingUniversityofAeronauticsandAstronautic,2004(inChinese)[3]夏洁.
战术飞行管理系统关键技术研究[D].
北京:北京航空航天大学自动化科学与电气工程学院,2003XiaJie.
Researchoncoretechnologyfortacticalflightman-agementsystem[D].
Beijing:SchoolofAutomationScienceandElectricalEngineering,BeijingUniversityofAeronauticsandAstronautic,2003(inChinese)[4]廖沫,陈宗基.
基于满意决策的多机协同目标分配算法[J].
北京航空航天大学学报,2007,33(1):81-85LiaoMo,ChenZongji.
Coordinatedtargetassignmentinmulti-UAVbasedonsatisficingdecisiontheory[J].
JournalofBeijingUniversityofAeronauticsandAstronautics,2007,33(1):81-85(inChinese)[5]SongHan,ZhouRui.
Studyonpilot'sassistantsystembasedonexpertsystemforBVRAC[C]//ChenZongji.
Sys-temSimulationandScientificComputing.
Beijing:Interna-tionalAcademicPublishers/BeijingWorldPublishingCorpo-ration,2005:1185-1189(责任编辑:刘登敏)915第5期张少辉等:一种基于图像特征点提取及匹配的方法
一般大厂都是通过首年才有可以享受爆款活动,然后吸引我们注册他们商家达到持续续费和购买的目的。一般只有大厂才能有这样的魄力和能力首年亏本,但是对于一般的公司和个人厂家确实难过,这几年确实看到不少的同类商家难以生存。这里我们可以看到有对应的套餐方案。不过这两个套餐都是100%CPU独享的,不是有某云商家限制CPU的。但是轻量服务器有个不好的就是带宽是较大且流量是限制的额,分别是1GB和1.2TB月流量...
CloudCone 商家产品还是比较有特点的,支持随时的删除机器按时间计费模式,类似什么熟悉的Vultr、Linode、DO等服务商,但是也有不足之处就在于机房太少。商家的活动也是经常有的,比如这次中国春节期间商家也是有提供活动,比如有限定指定时间段之前注册的用户可以享受年付优惠VPS主机,比如年付13.5美元。1、CloudCone新年礼物限定款仅限2019年注册优惠购买,活动开始时间:1月31...
Vultr 商家有新增韩国首尔机房,这个是继日本、新加坡之后的第三个亚洲机房。不过可以大概率知道肯定不是直连中国机房的,因为早期的日本机房有过直连后来取消的。今天准备体验看看VULTR VPS主机商的韩国首尔机房的云服务器的速度和性能。1、全球节点PING速度测试这里先通过PING测试工具看看全球几十个节点的PING速度。看到好像移动速度还不错。2、路由去程测试测试看看VULTR韩国首尔机房的节点...
图像放大为你推荐
青岛市建设工程电子交易系统支付apple中南财经政法大学知识产权研究中心Couriercss支持ipad支持ipad支持ipadxp如何关闭445端口请大家帮帮忙,怎样关闭135和445端口?ipad如何上网ipad如何允许app使用网络ipadwifiipad的wifi打不开怎么办?
已备案域名出售 域名交易网 lamp 香港机房 blackfriday windows主机 cloudstack 优key 2017年黑色星期五 免费ddos防火墙 php免费空间 绍兴高防 智能骨干网 创梦 数字域名 工作站服务器 刀片式服务器 免费phpmysql空间 酷番云 香港新世界中心 更多