基于几何约束投票的图像特征匹配

合集下载

图像特征检测与匹配方法研究综述

图像特征检测与匹配方法研究综述图像特征检测与匹配是计算机视觉领域的重要研究方向，它在许多实际应用中发挥着关键作用，如图像检索、目标识别和三维重建等。

本文对图像特征检测与匹配方法进行综述，主要包括特征检测算法、特征描述算法和特征匹配算法三个方面。

一、特征检测算法特征检测算法旨在寻找图像中的稳定不变性特征点，以便用于后续的特征描述和匹配。

常用的特征检测算法包括Harris角点检测算法、SIFT 算法和SURF算法等。

1. Harris角点检测算法：该算法通过计算图像的局部灰度变化，寻找具有最大角度变化的像素。

它能够有效检测出图像中的角点，但对于尺度变化和旋转不变性较差。

2.SIFT算法：SIFT算法通过构建高斯金字塔和尺度空间极值检测，寻找出图像中的尺度不变的关键点。

同时，通过计算局部图像的梯度方向直方图，生成特征向量描述子，实现图像的匹配。

3. SURF算法：SURF算法是SIFT算法的改进版本，采用了一种快速的积分图像技术，大大提高了计算效率。

SURF算法在计算图像的尺度空间极值点时，使用了一种基于Hessian矩阵的指标，检测出更加稳定的特征点。

二、特征描述算法特征描述算法利用特征点周围的图像信息，生成唯一且具有区分度的特征向量。

常用的特征描述算法有SIFT描述子、SURF描述子和ORB描述子等。

1.SIFT描述子：SIFT描述子通过计算特征点周围的梯度信息，生成128维的特征向量。

它具有较强的区分度和旋转不变性，在图像匹配任务中表现较好。

2. SURF描述子：SURF描述子是一种基于Haar小波特征的描述子，使用了一种积分图像计算方法，降低了计算复杂度。

SURF描述子的维度为64维，具有良好的尺度不变性和旋转不变性。

3.ORB描述子：ORB描述子是一种快速的二值描述子，基于FAST角点检测算法和BRIEF描述子。

它既具有较快的计算速度，又能够保持较好的特征区分度，适用于实时图像处理任务。

三、特征匹配算法特征匹配算法的目标是在不同图像中找到相互匹配的特征点对。

基于几何关系约束的特征点匹配算法

基于几何关系约束的特征点匹配算法1. 引言1.1 背景1.2 研究意义1.3 目的与意义2. 相关技术综述2.1 特征点描述子2.2 特征点匹配算法2.3 几何关系约束3. 基于几何关系约束的特征点匹配算法3.1 特征点初步匹配3.2 两个视图之间的几何关系匹配3.3 非精确匹配特征点修复4. 实验结果与分析4.1 数据集与实验设置4.2 对比实验结果4.3 效果分析与讨论5. 结论与未来工作5.1 结论总结5.2 基于几何关系约束的特征点匹配算法的未来工作5.3 基于本文的研究内容的未来工作建议6. 参考文献第一章：引言1.1 背景在计算机视觉领域中，特征点匹配是相当重要的一个问题。

其主要用途是为通过两幅或多幅图片的匹配来定位物体或场景，它包括因相机轨迹变换导致的不同视角图像的配对，或者包括对同一场景或物体的不同图片的处理。

特征点匹配问题早在20世纪70年代就被提出，目前在计算机视觉领域产生了广泛的应用，例如平移、旋转、缩放等变换下的自动拼图，三维重建，多视图自动配准等等。

然而，特征点匹配仍然是一个具有挑战性的问题。

因为在现实场景中，由于各种因素的影响，图像噪声、遮挡物以及光照变化等都会导致特征点匹配的准确度下降。

因此，在特征点匹配中使用几何约束来增强算法的准确性是一个非常重要的问题。

1.2 研究意义近年来，随着计算机视觉和人工智能的迅速发展，特征点匹配技术已经得到广泛关注。

传统的基于描述子的特征点匹配算法通常是针对可见部分的特征点，因此遭受遮挡，镜像和尺度变化等问题，导致匹配结果不准确。

几何约束是一种重要的手段，可以帮助解决这些问题。

因此，本研究的目的是提出一种基于几何关系约束的特征点匹配算法，旨在提高特征点匹配的准确性和鲁棒性。

1.3 目的与意义本文的主要目的是研究几何关系约束在特征点匹配中的应用，提出一种新的特征点匹配算法。

本文所提出的算法将利用几何关系的约束，以修复发生遮挡、尺度变化等情况下的特征点匹配误差，进一步提高特征点匹配的准确性和鲁棒性，为计算机视觉相关领域做出贡献。

基于极约束和边缘点检测的图像密集匹配

图像匹配是指同一场景在两个不同视点下的图像之间的对应关系。

它是计算机视觉研究领域的一个基本问题，也是计算机视觉应用，如深度恢复、摄像机标定、运动分析以及三维重构等问题的研究起点或基石。

因此实现精确密集的自动匹配对于计算机视觉的研究和应用具有重要的意义。

随着计算机视觉技术的发展，研究者提出了许多图像匹配的方法[1,2]，但这些方法一般都集中在某些图像特征点的匹配上，最终得到的匹配点数量较少。

虽然可以通过插补的方法来获得较为密集的图像匹配点，但插补却不可能将那些微小的场景细节重现出来，也不可能将在匹配过程中损失掉的一些重要的特征点恢复出来，因此限制了重构图像质量的提高。

本文综合运用极约束和边缘点检测进行图像密集匹配，几乎可以对每一个图像点进行匹配，从而在某种程度上改善了上述问题。

本文算法主要分为步：运用方法鲁棒地估3(1)RANSAC 计出基本矩阵；使用该基本矩阵对两幅图像进行矫正，(2)使得它们的极线处在同一扫描线上；在对应的扫描线上(3)进行密集的图像点匹配。

极几何和基本矩阵1 极几何1.1 如果摄像机内参数矩阵为K (,,)Tx x y z =，场景点投影到(,,1)Tm u v =像平面上的像点齐次坐标为，则有：m Kx µ= (1)当摄像机作刚体运动，旋转矩阵为R ，平移向量为t z y x C ′′′−′时，新的摄像机坐标系为它与初始坐标系 ,C-xyz 'x Rx t =+(,,)Tx x y z =之间的关系为，则场景点在当前像平 '(,,1)Tm u v ′′=面上的像点坐标为'm KRx Kt µ′=+ (2)(,,1)T m uv='(,,1)T m u v ′′=与称为一对匹配点。

现在考虑摄像机在两个视点下拍摄同一场景的情况，如图所示。

令分别为第一与第二个摄像机的光心位置1C,C',C'在第一个像平面上的投影为，在第二个像平面上的投Ie C I'影为，它们称为极点。

基于几何约束的重复视觉特征点匹配方法

图１ＳＩＦＴ＋ＮＮＤＲ＋ＲＡＮＳＡＣ方法实验结果
卺

（１）
ＩｌｔｊＮＮＤＲ略能ｑ＃址够精ｆｌ『ｌｊ地提取 ’ 刈 ‘ 特刈，所以被Ｊ泛Ｊ ” 川】Ｊ』ｌｊｌ特个ＪＩ『ｊ特ｆｉｌ！ｔｆｉ、足现环境下．－，复纹ｆ｝她ｒｊ，俐：滞小从，・ｔ｝ｌＪ＝地，舟楼的等等。这通纹敛人，１ｉ特・做抛取 …米｝｜ｌ：』ｔＪＮＮＤＲ策略进ｔ这Ⅱ ＇１ｉ特ｔｆｒ＂Ｊ确Ｉ也会破抛外。咂特ｉ（纹）的题址汁＂机视觉令咂域的 ‘ 个难题。
图２本方法实验结果ＳＩＦＴ＋ＮＮＤＲ＋ＲＡＮＳＡＣ，Ｊ ’ 浊幸Ｅ时１５７７．７ｌ３毫秒，术ｈ３Ｄ＇Ｊｌ６５３７８５秒。小法对比ＳＦ＋ＮＮＤＲ＋ＲＡＮＳＡＣ方土颥外４Ｉ￡时为７６Ｏ４５皂秒．颥外｝￡ｌ『、Ｊ比半为４８２％。ＳＩＦＴ＋ＮＮＤＲ＋ＲＡＮＳＡＣ厅｝获取Ｌ对数为２１０小，Ｊ捩取埘敬为５６４￣￣，提ｆｌ幅度为１６８５７％。
复特征点匹配精度
【关键词】几何约隶：重复特征点：特征点回收；最近邻距离比率
黑白复纹理产生的特ｆＪＦ点也诎【Ｌ确、允分地匹Ｊ。
１．研究背景
¨Ｉ】，Ｌ ¨ 觉特｝ｌｌ＝点破厂。泛ＪＩＪｒ１ ’ 算机觉领城进仃肜像运如人ＪＪ：：；别… ＝，ＳＬＡＭ［２】等。Ｌｏｗｅｄ１２【）（】４摊ｍＪＳｌＦＴ（Ｓｃａｌｅ．ｈｗａｒｉａｎｔＦｅａｔｕｒｅＴｒａｎｓｌｂｒｍ）特：。ＳＩＦＴ ‘ 咒年｝ｊ高分ＬＤｉｆｅｒｅｎｃｅｏｆＧａｕｓｓｉａｎ）金，塔伶洲出『皇＝１变必趣点，然ｉ兴趣ｉＩ，渊ｊ像梯特汁 … 缚个必趣点的旋转１变的特（｜义为１２８维）。ＳＩＦＴ特仃充个ｆｌ＇，ｊ尺度变平ＩＩ旋转小『＿Ｊ贞。Ｂａｙ［４１迎议他Ｊ】］ＮＮＤＲ（ＮｅａｒｅｓｔＮｅｉｇｈｂｏｒＤｉｓｔａｎｃｅＲａｔｉｏ近邻．岛比）略Ｉ觉特，进Ｉ产精确的一埘特征刈．．ＮＮＤＲ吣｛址为ｒ避免砭特血产：ｑ－歧义设汁， “ 近似特＾Ｊ近似特点的瞅托离比小Ｊ某个闽，ＩＪＬＬ ’ 会￡０漪ｆｊ ’ 效ＩＬ凸ｌ，Ⅱ ＿ｊ］。 ℃ （１）Ｊｄ：

图像特征匹配PPT课件

THANKS FOR WATCHING
感谢您的观看
大规模图像数据集的特征匹配问题
计算复杂度
随着图像数据集规模的增大，特征提取和匹配的计算复杂度也随之增加，影响匹配效率。
数据冗余
大规模图像数据集中存在大量相似或重复图像，导致特征匹配结果冗余，降低匹配准确性。
噪声干扰
大规模图像数据集中可能包含大量噪声图像，对特征匹配结果造成干扰，影响匹配性能。
图像特征匹配ppt课件
目录
• 引言 • 图像特征提取方法 • 特征匹配算法 • 图像特征匹配优化技术 • 图像特征匹配实验与分析 • 图像特征匹配的挑战与展望
01
引言
图像特征匹配的意义
提高图像识别精度
通过匹配图像中的特征点，可以更准确地识别和分类图像。
增强图像信息利用率
特征匹配可以提取出图像中的关键信息，提高信息利用率。
实时性要求高的场景中的特征匹配问题
快速特征提取
在实时性要求高的场景中，需要快速提取图像特征，以满足实时处理的需求。
高效匹配算法
为了满足实时性要求，需要研究高效的特征匹配算法，提高匹配速度。
硬件加速技术
利用硬件加速技术（如 GPU、FPGA等）提高特征提取和匹配的速度，满足实时性要求。
图像特征匹配的研究现状
01
02
03
传统方法
如SIFT、SURF等算法在特征提取和匹配方面取得了一定成果。
深度学习方法
卷积神经网络（CNN）等方法在图像特征匹配上取得了显著进展。
面临挑战
如光照变化、遮挡、复杂背景等问题仍待解决。
02
图像特征提取方法
基于颜色的特征提取
颜色直方图

基于中强几何约束的图片匹配算法研究

基于中强几何约束的图片匹配算法研究Matching algorithm research based on moderate-strong geometric constraints学科专业：计算机科学与技术研究生：张慕华指导教师：王建荣副教授天津大学计算机科学与技术学院二零一二年十一月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。

与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。

学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。

特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。

同意学校向国家有关部门或机构送交论文的复印件和磁盘。

（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要随着信息技术和计算机网络的发展，计算机对多媒体信息的理解也随着多媒体信息的爆炸性增长而发展的越来越深入。

图片匹配是计算机视觉领域的一个基本问题，同时也是图片检索、模式识别等其他领域的一个基本问题。

图像匹配算法总体上可分为基于全局特征的方法和基于局部特征的方法。

后者由于在图片旋转和尺度变化等现实几何变换下存在无可比拟的优势，已经成为该领域研究的重点。

但是，由于基于特征的方法研究的是局部特征点或者局部特征区域，如何建立图片之间特征的几何约束来提高图片匹配的准确率已经成为一个热点和难点。

本文采用SIFT特征点作为图片局部特征的描述特征，SIFT特征点具有旋转、尺度、平移不变性的巨大优点，同时SIFT特征点在一定条件下具有仿射不变性。

基于极限约束方法的图像特征点匹配

基于极限约束方法的图像特征点匹配基于极限约束方法的图像特征点匹配立体视觉是由多幅图像(一般2幅)获取物体三维几何信息的方法,为了得到空间一点的三维几何信息,必须从不同视角获取的2幅图像中正确找到这一点对应的投影点,这一过程叫做匹配。

目前的匹配方法主要有基于灰度匹配和基于特征匹配。

基于灰度的匹配算法是利用图像灰度信息之间的相关性,寻找和计算匹配基元的空间坐标,因而对细节丰富的景物特别有效,缺点是没有利用图像之间的相互约束关系,在处理细节不够丰富的景物时不太成功且计算量大;基于特征的匹配方法能够更多地利用图像的结构信息,且特征点的数目较前者少,因而计算量少可提高匹配速度但只能获得离散的三维信息。

匹配问题的困难之处在于存在大量的假目标,在双目立体视觉系统中,对于左图中的一个特征点,它在右图中可能有多个候选匹配点,而实际的匹配点却只有一个。

所以匹配过程中要根据物体的实际信息和一些约束条件来剔除误匹配。

立体视觉中常用的匹配约束主要有⑴唯一性:物体表面任意一点到观察点的距离是唯一的,因此,其视差是唯一的,从而,给定左图中的一点,其在右图的对应匹配点至多只有一个,反之亦然。

⑵相似性:在某种度量下,同一物理特征在左右2幅图像中表现出相似的性质,因此,给定左图的一个点,匹配时总是在右图搜索性质上与之相近的点作为匹配点。

⑶连续性:与到观察点的距离相比,物体表面因凹凸不平引起的深度变化是缓慢的,因而视差变化也是缓慢的,或者说视差具有连续性。

⑷顺序一致性:2幅图像中同一极线上的对应匹配点的顺序是一致的,不能出现图像特征序列和空间坐标序列交叉的现象。

这些匹配约束的运用不仅可以提高匹配的准确性,而且可以降低匹配的工作量,提高匹配速度,从而使得立体视觉测量系统更加贴近实际应用。

双目立体视觉测量系统数学模型如图1所示,在双目立体视觉测量系统中,空间一点P(X, Y,Z)和其在2个摄像机像平面的投影坐标P1(x1,y1)、P2(x2,y2)存在如(1)、(2)等式所示关系。

使用计算机视觉技术进行图像特征匹配的技巧与方法

使用计算机视觉技术进行图像特征匹配的技巧与方法图像特征匹配是计算机视觉领域的重要任务之一，它在各种应用场景下起着关键作用，如图像检索、目标跟踪、三维重建等。

本文将介绍一些常用的技巧与方法，帮助读者更好地理解和应用图像特征匹配。

一、特征提取在进行图像特征匹配之前，首先需要从图像中提取出具有代表性的特征点或特征描述子。

特征点是图像中具有显著变化的位置，常常通过兴趣点检测算法（如Harris角点检测、SIFT、SURF等）来提取。

而特征描述子是描述特征点周围局部纹理信息的向量，主要包括SIFT、SURF、ORB、BRIEF等。

选择合适的特征点检测算法和特征描述子对于后续的特征匹配至关重要，它们应该具有鲁棒性、尺度不变性和旋转不变性等优点。

二、特征匹配特征匹配是指在两幅图像中找到相互对应的特征点或特征描述子。

常见的特征匹配算法包括最近邻算法（Nearest Neighbor，简称NN算法）、最近邻加速算法（k-d树、FLANN算法）和基于几何关系的匹配算法（RANSAC算法）等。

其中，最近邻算法是最简单和常用的算法，它通过计算特征空间中特征点的距离来找到最近邻特征点，从而建立匹配关系。

但需要注意的是，最近邻算法在存在局部相似区域时很容易产生误匹配，因此需要采用合适的距离度量方法和匹配策略来提高匹配准确性。

三、匹配策略匹配策略主要指特征点或特征描述子的匹配方式。

常见的匹配策略包括单向匹配、双向匹配和迭代匹配等。

单向匹配是指从图像A中的特征点选取一个最佳匹配的特征点，而不考虑选取的特征点是否有在图像B中的相应匹配。

它简单直观，但容易出现误匹配。

双向匹配是指从图像A中的特征点选取一个最佳匹配的特征点，并且在图像B 中找到相应匹配。

这种方式可以通过对称距离比较来减少误匹配的可能性，但对于某些情况下，仍然可能存在误匹配。

迭代匹配是指通过交叉验证的方式，从匹配对中筛选出准确度更高的匹配结果。

其主要思想是，首先进行双向匹配得到初步匹配结果，然后对匹配对进行筛选和验证，去除不可靠的匹配对，最终得到准确的匹配结果。

基于几何约束投票的图像特征匹配

基于几何约束投票的图像特征匹配韩丽茹【期刊名称】《计算机应用》【年(卷),期】2011(31)6【摘要】In order to improve the performance of the image features correspondence that solely depends on similarity, a correspondence algorithm is proposed, which used the geometric constraint efficiently by the voting method. First of all, a fast coarse matching by the descriptor of the features was performed to get the candidate correspondence, then a robust geometric constraint was used to compute a new similarity of the candidate correspondence by the voting method. Finally, a self-adaptive method for distinguishing the belief of the candidate correspondence was proposed to get the correspondence of image prehensive experiments demonstrate that our method is effective and robust for a variety of image transforms. Better result can be got by the correspondence algorithm based on voting of geometric constraint than that based on similarity simply.%为了改进单纯依靠相似度的图像特征匹配效果,提出了一种特征匹配方法,采用投票的方法在特征匹配的过程中引入几何约束.首先根据特征的描述向量进行初步的快速匹配,得到候选特征对以后通过投票的手段在特征之间相似度矩阵中引入一种鲁棒的几何约束,并通过自适应阈值过滤的方法获得图像特征匹配.在实验中验证了该方法对图像特征匹配正确与否具有较强的区分能力,在与已有技术接近的计算时间内得到了更高的匹配准确度.基于几何约束投票的图像特征匹配比单纯依靠相似度具有更好的匹配效果.【总页数】4页(P1595-1597,1601)【作者】韩丽茹【作者单位】浙江水利水电专科学校计算机与信息工程系,杭州310018【正文语种】中文【中图分类】TP391.41【相关文献】1.基于投票机制的特征匹配算法在SAR图像匹配技术中的应用 [J], 张军;刘彦文2.基于几何约束及0-1规划的视频帧间线段特征匹配算法 [J], 李海丰;胡遵河;范龙飞;姜子政;陈新伟3.基于几何特征匹配的截断塞门手把图像分割 [J], 孙国栋;卢婷;戚雨航4.基于局部几何约束的医学图像配准方法 [J], 王丹;刘太辉;刘丽君5.基于自适应深度约束的水下双目图像特征匹配 [J], 田嘉禾;王宁;陈廷凯;李春艳;陈帅因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于极几何和单应约束的图像匹配算法

第18卷第1期系统仿真学报©V ol. 18 No. 1 2006年1月Journal of System Simulation Jan.， 2006一种基于极几何和单应约束的图像匹配算法梁栋，童强，屈磊，王年，韦穗（安徽大学计算智能与信号处理教育部重点实验室，安徽合肥230039）摘要：提出一种综合应用极几何和单应约束的图像特征点匹配算法，首先使用互相关法对图像特征点集进行初始匹配，然后运用RANSAC方法鲁棒地估计基本矩阵和单应矩阵并相应地剔除错误匹配点，最后利用优化后的基本矩阵和单应矩阵引导匹配以获得更多、更精确的匹配点。

大量真实图像实验表明，所提出的算法能够产生更多的匹配点并具有较高的匹配精度。

关键词：图像匹配；极几何；单应；计算机视觉中图分类号：TN911.73 文献标识码：A 文章编号：1004-731X (2006) 01-0044-03 Algorithm for Images Matching Based on Epipolar and Homography ConstraintsLIANG Dong, TONG Qiang, QU Lei, WANG Nian, WEI Sui(Educational Department Key Lab. of IC&SP, Anhui University, Hefei 230039, China)Abstract: An algorithm for images matching was proposed, which used both epipolar and homography constraints. First, the cross-correlation matching was used to get the initial matching, then the fundamental matrix and the homography matrix ware estimated robustly with RANSAC algorithm, at the same time, most of wrong points ware picked and deleted. At last, using optimized fundamental matrix and homography matrix, more precise matching points could be obtained through the guide matching. Lots of experiments show that this algorithm can bring more matching points also with high precision.Key words: images matching；epipolar；homography；computer vision引言图像特征点匹配是计算机视觉研究领域中的一个非常重要的热点问题，也是许多计算机视觉理论和应用的基础[1-3]，如摄像机标定、三维重建和运动分析等。

基于几何约束的倾斜影像特征匹配方法

基于几何约束的倾斜影像特征匹配方法
韦春桃;张冬梅
【期刊名称】《西南交通大学学报》
【年(卷),期】2024(59)2
【摘要】针对倾斜影像视角变换较大、重复纹理导致匹配数量少、匹配精度不高的问题,提出一种适用于倾斜影像的特征点、线分级匹配方法.首先,用直线提取(检测)算法(LSD)获取影像直线特征,并将直线特征以一定约束进行直线组对,构建直线对区域与改进的SIFT(scale-invariant feature transform)特征描述符进行匹配,使用RANSAC算法剔除误匹配,获得初始匹配结果后再进行核线约束;然后,利用已获得直线对区域进行影像局部纠正,在纠正后的局部影像上采用SIFT匹配并反算回原始影像,利用得到的同名点全局纠正倾斜影像,并进行特征点匹配与采用基于方格的运动统计算法(GMS)剔除误匹配,仍将匹配结果反算回原始影像上;最后,将仿射尺度不变特征变化结果与点拓展匹配结果进行合并,得到最终匹配结果.试验结果表明:本文方法匹配正确率与经典的仿射不变匹算法(ASIFT)的正确率相差不大,但匹配数量却是ASIFT算法的1倍~3倍.
【总页数】8页(P353-360)
【作者】韦春桃;张冬梅
【作者单位】重庆交通大学土木工程学院
【正文语种】中文
【中图分类】P237
【相关文献】
1.基于几何约束的车牌倾斜检测方法
2.直线对几何特征约束的近景影像特征匹配
3.视差松弛传播约束的倾斜影像特征匹配方法
4.基于最佳几何约束和RANSAC的特征匹配算法
5.几何约束条件下的SIFT倾斜影像匹配
因版权原因，仅展示原文概要，查看原文内容请购买。

基于几何约束投票的图像特征匹配

收稿日期：2010－11－29；修回日期：2011－01－23。

基金项目：浙江省自然科学基金资助项目（Y1080040；Y1100018）；浙江省科技厅项目（2009C33050）。

作者简介：韩丽茹（1973－），女，河北唐山人，讲师，硕士研究生，主要研究方向：数字图像处理。

文章编号：1001－9081（2011）06－1595－03doi ：10．3724/SP．J．1087．2011．01595基于几何约束投票的图像特征匹配韩丽茹（浙江水利水电专科学校计算机与信息工程系，杭州310018）(asf59@163．com)摘要：为了改进单纯依靠相似度的图像特征匹配效果，提出了一种特征匹配方法，采用投票的方法在特征匹配的过程中引入几何约束。

首先根据特征的描述向量进行初步的快速匹配，得到候选特征对以后通过投票的手段在特征之间相似度矩阵中引入一种鲁棒的几何约束，并通过自适应阈值过滤的方法获得图像特征匹配。

在实验中验证了该方法对图像特征匹配正确与否具有较强的区分能力，在与已有技术接近的计算时间内得到了更高的匹配准确度。

基于几何约束投票的图像特征匹配比单纯依靠相似度具有更好的匹配效果。

关键词：图像特征；特征匹配；几何约束；投票；自适应阈值中图分类号：TP391．41文献标志码：AImage features correspondence based on voting of geometric constraintHAN Li-ru(Department of Computer and Information Engineering，Zhejiang Water Conservancy and Hydropower College，Hangzhou Zhejiang 310018，China )Abstract:In order to improve the performance of the image features correspondence that solely depends on similarity，a correspondence algorithm is proposed，which used the geometric constraint efficiently by the voting method．First of all，a fast coarse matching by the descriptor of the features was performed to get the candidate correspondence，then a robust geometric constraint was used to compute a new similarity of the candidate correspondence by the voting method．Finally，a self-adaptive method for distinguishing the belief of the candidate correspondence was proposed to get the correspondence of image features．Comprehensive experiments demonstrate that our method is effective and robust for a variety of image transforms．Better result can be got by the correspondence algorithm based on voting of geometric constraint than that based on similarity simply．Key words:image feature;features correspondence;geometric constraint;voting;adaptive threshold0引言图像特征匹配是计算机视觉的一项重要的基础性研究，在图像配准、遥感影像处理、虚拟现实、三维重建等许多领域都是关键的处理步骤。

基于SIFT特征的图像匹配

电子工程学院 021011班021010691基于SIFT特征的图像匹配摘要：SIFT（Scale Invariant Feature Transform）特征匹配算法是Lowe提出来的用于图像特征匹配的算法，是目前特征匹配领域的热点，对图像的旋转，尺度缩放和亮度变换保持不变，对视角变换，仿射变换保持一定程度的稳定。

SIFT特征点是图像的一种尺度不变局部特征点，具有独特性好，信息量丰富，多量性，高速性，可扩展性等特点。

该算法首先给出了尺度空间的生成方法，检测出极值点；接下来给出了SIFT特征点的提取步骤和精确定位极值点的方法；然后基于特征点邻域像素的梯度和方向生成了关键点的描述向量；最后根据特征向量给出了匹配方法，提取了SIFT的特征点，并其应用于图像匹配。

实验证明这种算法具有较强的匹配能力和鲁棒性，是一种较好的图像匹配算法。

关键词：SIFT，特征匹配，尺度不变，极值点Image matching based on SIFT featuresli xiang（Department of Electronic Engineering, Xi'an University of Electronic Science and Technology，Xi'an，710126）Abstract: SIFT（Scale Invariant Feature Transform）Lowe feature matching algorithm is proposed for image featurematching algorithm, feature matching is a hot field of image rotation, scale and brightness scaling transformation unchanged,for perspective transformation, affine transformation to maintain a certain degree of stability . SIFT feature point is a localscale invariant image feature points, has a unique good, rich amount of information, a lot of resistance, speed, scalability andother features. Firstly, given the scale space generation method to detect the extreme point; then gives the extraction step andthe precise positioning of the extreme points of the method SIFT feature points; then feature points based on gradient anddirection of neighboring pixels to generate the key points of the described vectors; Finally, the matching method according tothe feature vector, the SIFT feature points extracted and applied to the image matching. Experimental results show that thealgorithm has strong ability to match and robustness, it is a good image matching algorithm.Keywords: SIFT; feature point matching; scale invariant; extreme point1 引言自上个世纪70年代，美国从进行的飞行器辅助导航系统、武器投射系统等应用研究中提出图像匹配以来，它一直是学者们研究的热点和难点。

结合图像特征和几何特征的级联图像匹配方法

结合图像特征和几何特征的级联图像匹配方法
潘衡岳;王爱平;程志全;金士尧
【期刊名称】《系统仿真学报》
【年(卷),期】2012(24)1
【摘要】提出了一种多特征级联目标匹配算法(MFCM)。

在先前的研究中提出的基于几何特征的匹配方法复杂度普遍较高,需要改进。

MFCM算法首先使用图像特征为每一个特征点建立潜在匹配集,然后进行两级匹配:第一级匹配采用分治思想,利用几何特征建立匹配结果集,并应用投票机制来确保匹配的稳定性;第二级匹配在模板点集和匹配结果集之间建立对应关系。

新算法有效提高了几何匹配方法的效率,同时保持了较高的匹配正确率。

实验结果表明,MFCM算法可以有效处理大数据量的目标匹配问题。

【总页数】4页(P113-116)
【作者】潘衡岳;王爱平;程志全;金士尧
【作者单位】国防科技大学计算机学院
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于传感器几何特性和图像特征的影像配准方法
2.结合特征和时空关联的稳健图像匹配方法
3.基于边缘几何特征和频域相关技术的图像匹配方法
4.基于拓扑关系和几何特征的图像匹配方法
5.一种基于图像特征点的图像匹配算法
因版权原因，仅展示原文概要，查看原文内容请购买。

基于几何关系约束的特征点匹配算法

基于几何关系约束的特征点匹配算法贾棋;高新凯;罗钟铉;樊鑫;郭禾【期刊名称】《计算机辅助设计与图形学学报》【年(卷),期】2015(027)008【摘要】特征匹配是计算机视觉中的一个基本问题,基于特征点的特征匹配方法则是其中最为常用的一种算法,有着重要的研究意义和研究价值.众所周知,特征点匹配的结果受很多因素的影响.为更好地处理视角变换的特征匹配问题,给出一种基于特征点位置关系的几何约束匹配方法.即通过引入新近发现的射影不变量——特征数,构建特征点位置间的几何信息描述子;进一步建立每个点的特征数直方图并使用巴氏系数度量几何相似度;最后在基于纹理特征描述子基础上增加文中所给出的几何信息描述子获得特征匹配的约束条件.实验结果证明,该算法可以有效的提高特征点匹配的精度,同时对视角变化较大及纹理相似的情况具有很好的匹配效果.【总页数】10页(P1388-1397)【作者】贾棋;高新凯;罗钟铉;樊鑫;郭禾【作者单位】大连理工大学软件学院大连 116621;大连理工大学软件学院大连116621;大连理工大学软件学院大连 116621;大连理工大学软件学院大连116621;大连理工大学软件学院大连 116621【正文语种】中文【中图分类】TP391【相关文献】1.基于视觉约束能量最小化的特征点匹配算法 [J], 刘朝霞;邵峰;景雨;祁瑞华2.一种基于 Harris-Sift 引导 LK 光流约束的特征点匹配算法 [J], 刘彬;陈向宁;郭连惠3.多重提纯算法约束的图像特征点匹配 [J], 熊威;段云龙;潘彤;李春雷4.基于特征点局部特征值剔除误匹配特征点算法 [J], 余振军; 孙林; 贾坤昊; 孙洋5.基于网格对应的双约束特征点匹配算法 [J], 林敏; 陈姝; 袁浩翔因版权原因，仅展示原文概要，查看原文内容请购买。