改进的SURF算法在图像匹配中的应用
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
matching accuracy. Keywords： image matching； feature point extraction； bidirectional matching； disparity gradient； random sample
consistency；matching precision
近邻特征点，结合双向唯一性匹配的方法完成图像匹配，然后在视差约束下，利用视差梯度约束对初始特征匹配对进行预处
理，筛选掉一些偏差较大的匹配对，最后采用随机抽样一致（Random Sample Consensus，RANSAC）算法对特征点二次优化和
去噪处理。将其他改进算法和提出的改进算法分别进行图像匹配处理比较，分析算法的性能，得到提出的改进算法匹配成
0引言
近年来，随着科技的进步，双目立体视觉[1]技术被广 泛 应 用 ，例 如 图 像 检 索[2]、三 维 重 建[3]、目 标 识 别[4]、图 像 配准 等 [5] 。其中，特征点检测与匹配作为双目立体视觉 技术中的关键一步，显得尤为重要。常见的适用于特征 匹配的算法中，较为成熟的有 SIFT 算法和 SURF 算法。 SIFT 算法 具 [6] 有尺度不变性和旋转不变性，图像在尺度 变化和旋转变化的情况下匹配效果受影响很小，由于采 用 差 分 高 斯 金 字 塔[7⁃8]进 行 特 征 点[7，9]提 取 ，所 以 算 法 运 行时间相应增加，降低了运行速度。1999 年 David Lowe
功率达 96.3%。实验结果证明提出的改进算法简单快速，匹配精度高。
关键词：图像匹配；特征点提取；双向匹配；视差梯度；随机抽样一致；匹配精度
中图分类号：TN911.73⁃34；TP391.9
文献标识码：A
文章编号：1004⁃373X（2020）10⁃0111⁃05
Application of improved SURF algorithm in image matching
收稿日期：2019⁃09⁃20
修回日期：2019⁃11⁃13
基金项目：山东省重点研发计划项目（2015GSF118094）
HUANG Chunfeng，LIU Shoushan，BIE Zhifeng，XU Guanghui
（College of Electronic Information Engineering，Shandong University of Science and Technology，Qingdao 266590，China）
黄春凤，刘守山，别治峰，许广会
（山东科技大学 电子信息工程学院，山东 青岛 266590）
摘 要：针对加速稳健特征（Speeded Up Robust Features，SURF）算法在三维重建中匹配准确率低的问题，提出基于
SURF 算法的改进算法。首先利用 SURF 算法提取特征点，通过近邻搜索（Best Bin Fast，BBF）算法实现 Kd⁃Tree 快速查找最
Abstract： An improved algorithm based on SURF algorithm is proposed to improve the matching accuracy of SURF （speeded up robust features） algorithm in three ⁃ dimensional reconstruction. The feature points are extracted by means of the
2020 年 5 月 15 日 第 43 卷第 10 期
现代电子技术 Modern ElБайду номын сангаасctronics Technique
DOI：10.16652/j.issn.1004⁃373x.2020.10.029
May 2020 Vol. 43 No. 10
111
改进的 SURF 算法在图像匹配中的应用
. AlSlURRFiaglgohritthsm，RKed⁃sTerere vseeardch.es the nearest neighbor feature points quickly by means of BBF（best bin fast）algorithm，and
then the image matching is completed in combination with the biuniqueness matching method. Under the disparity constraint， the initial feature matching pairs are preprocessed by means of the disparity gradient constraint，some matching pairs with large deviation are screened out，and the quadratic optimization and de⁃noising processing of feature points are carried out by means of RANSAC （random sample consensus） algorithm. The performance of other improved algorithms and the proposed improved algorithm were compared and analyzed respectively for image matching，from which the matching success rate of the proposed improved algorithm is 96.3%. The experimental results show that the proposed improved algorithm is simple，fast and has high
consistency；matching precision
近邻特征点，结合双向唯一性匹配的方法完成图像匹配，然后在视差约束下，利用视差梯度约束对初始特征匹配对进行预处
理，筛选掉一些偏差较大的匹配对，最后采用随机抽样一致（Random Sample Consensus，RANSAC）算法对特征点二次优化和
去噪处理。将其他改进算法和提出的改进算法分别进行图像匹配处理比较，分析算法的性能，得到提出的改进算法匹配成
0引言
近年来，随着科技的进步，双目立体视觉[1]技术被广 泛 应 用 ，例 如 图 像 检 索[2]、三 维 重 建[3]、目 标 识 别[4]、图 像 配准 等 [5] 。其中，特征点检测与匹配作为双目立体视觉 技术中的关键一步，显得尤为重要。常见的适用于特征 匹配的算法中，较为成熟的有 SIFT 算法和 SURF 算法。 SIFT 算法 具 [6] 有尺度不变性和旋转不变性，图像在尺度 变化和旋转变化的情况下匹配效果受影响很小，由于采 用 差 分 高 斯 金 字 塔[7⁃8]进 行 特 征 点[7，9]提 取 ，所 以 算 法 运 行时间相应增加，降低了运行速度。1999 年 David Lowe
功率达 96.3%。实验结果证明提出的改进算法简单快速，匹配精度高。
关键词：图像匹配；特征点提取；双向匹配；视差梯度；随机抽样一致；匹配精度
中图分类号：TN911.73⁃34；TP391.9
文献标识码：A
文章编号：1004⁃373X（2020）10⁃0111⁃05
Application of improved SURF algorithm in image matching
收稿日期：2019⁃09⁃20
修回日期：2019⁃11⁃13
基金项目：山东省重点研发计划项目（2015GSF118094）
HUANG Chunfeng，LIU Shoushan，BIE Zhifeng，XU Guanghui
（College of Electronic Information Engineering，Shandong University of Science and Technology，Qingdao 266590，China）
黄春凤，刘守山，别治峰，许广会
（山东科技大学 电子信息工程学院，山东 青岛 266590）
摘 要：针对加速稳健特征（Speeded Up Robust Features，SURF）算法在三维重建中匹配准确率低的问题，提出基于
SURF 算法的改进算法。首先利用 SURF 算法提取特征点，通过近邻搜索（Best Bin Fast，BBF）算法实现 Kd⁃Tree 快速查找最
Abstract： An improved algorithm based on SURF algorithm is proposed to improve the matching accuracy of SURF （speeded up robust features） algorithm in three ⁃ dimensional reconstruction. The feature points are extracted by means of the
2020 年 5 月 15 日 第 43 卷第 10 期
现代电子技术 Modern ElБайду номын сангаасctronics Technique
DOI：10.16652/j.issn.1004⁃373x.2020.10.029
May 2020 Vol. 43 No. 10
111
改进的 SURF 算法在图像匹配中的应用
. AlSlURRFiaglgohritthsm，RKed⁃sTerere vseeardch.es the nearest neighbor feature points quickly by means of BBF（best bin fast）algorithm，and
then the image matching is completed in combination with the biuniqueness matching method. Under the disparity constraint， the initial feature matching pairs are preprocessed by means of the disparity gradient constraint，some matching pairs with large deviation are screened out，and the quadratic optimization and de⁃noising processing of feature points are carried out by means of RANSAC （random sample consensus） algorithm. The performance of other improved algorithms and the proposed improved algorithm were compared and analyzed respectively for image matching，from which the matching success rate of the proposed improved algorithm is 96.3%. The experimental results show that the proposed improved algorithm is simple，fast and has high