特征点匹配算法概要
合集下载
相关主题
- 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)。
特征点匹配算法介绍
特征点匹配算法介绍
1.特征点匹配定义 2.特征点描述符 2.1像素平方和描述符 2.2互相关法 2.3归一化互相关法
特征点匹配是指找出需要配准的两幅图像中 正确匹配的特征点。一个好的特征点需要用 一个好的描述符来描述特征点的局部特征。
2.1基于像素差平方和的描述符
2.2基于互相关的描述符
其中，W是相关窗的大小， I1 和 I2分别为两幅待配准图像中 特征点相关窗内像素的灰度值，CC是相关系数。特征点匹 配时选取相关系数中最大的相关系数所对应的特征点作为该 参考点的匹配点。
2.3归一化互相关法
归一化的目的就是消除上述方法对于光照变化 敏感的问题。该方法同上述方法类似，只是 在计算互相关系数时进行了归一化处理：
取ຫໍສະໝຸດ Baidu最小者作为图像I2中与pi匹配的点。
基于像素平方和（SSD）描述子的优缺点 该方法是进行特征点匹配的一种简单可行的方法， 但是因为它直接利用图像的灰度信息值，所以最大 的缺点就是对光照的变化十分敏感，一旦需要配准 的两幅图像在重叠区域的曝光不一致，那么该方法 将不再准确。其次，是进行特征点匹配时采用的邻 域窗口为矩形，当需要配准的两幅图像存在较大角 度的旋转和较大尺度的缩放时，特征点邻域窗口的 特征将产生较大的改变，因此对于图像的旋转和缩 放就会比较敏感。
该方法类似于基于模板匹配的图像配准算法，基于 模板匹配的图像配准算法是在参考图像中取得一个 能包含图像主要信息的模板作为基准特征块，然后 在待配准图像中查找与该基准特征块最为相似的匹 配块，匹配的原则是以两幅图像重叠部分（这里是 指重叠块）的像素差的平方和（Sum of Squared Differences，简称SSD）为标准来衡量此区域是否 与基准特征块最相似。而该方法只是将模板的概念 应用到了特征点局部的邻域窗口，以特征点邻域窗 口的灰度信息值作为该特征点的描述符，直接进行 比较来实现特征点的匹配。
其中 和 分别表示图像I1 和I2I特征点相关窗 内像素灰度值的均值：
归一化互相关法优缺点： 1）该方法较好地解决了对于光照变化敏感的 问题。 2）矩形窗口的选用仍然是该类法的缺憾。所 以这种方法只适合于具有平移和小角度旋转 关系的图像配准。
具体步骤： 首先对需要配准的两幅图像I1和I2分别提特征点，分别 得到两个特征点集合，记作 p={p1,p2,p3......pn}和 p′={p1′ ,p2′,p3′...... pn′}，以每一个特征点为中心， 将其邻域窗口（记作w）的像素值作为该特征点的 描述符，对于图像I1中的每一个特征点p i分别计算 其与图像I2中提取的各个特征点的邻域像素值差的 平方和：
该方法不直接利用特征点邻域的灰度值，而是依据特征点邻 域像素灰度值的互相关系数（Cross Correlation）为匹配原 则进行匹配。基本思路如下：分别在参考图像和待配准图像 中以每一个特征点为中心取一个(2N+1)×(2N+1)大小的相关 窗，然后以参考图像中的每个特征点为参考点在待配准图像 中寻找对应匹配点，匹配的依据是计算特征点相关窗之间的 相关系数：
特征点匹配算法介绍
1.特征点匹配定义 2.特征点描述符 2.1像素平方和描述符 2.2互相关法 2.3归一化互相关法
特征点匹配是指找出需要配准的两幅图像中 正确匹配的特征点。一个好的特征点需要用 一个好的描述符来描述特征点的局部特征。
2.1基于像素差平方和的描述符
2.2基于互相关的描述符
其中，W是相关窗的大小， I1 和 I2分别为两幅待配准图像中 特征点相关窗内像素的灰度值，CC是相关系数。特征点匹 配时选取相关系数中最大的相关系数所对应的特征点作为该 参考点的匹配点。
2.3归一化互相关法
归一化的目的就是消除上述方法对于光照变化 敏感的问题。该方法同上述方法类似，只是 在计算互相关系数时进行了归一化处理：
取ຫໍສະໝຸດ Baidu最小者作为图像I2中与pi匹配的点。
基于像素平方和（SSD）描述子的优缺点 该方法是进行特征点匹配的一种简单可行的方法， 但是因为它直接利用图像的灰度信息值，所以最大 的缺点就是对光照的变化十分敏感，一旦需要配准 的两幅图像在重叠区域的曝光不一致，那么该方法 将不再准确。其次，是进行特征点匹配时采用的邻 域窗口为矩形，当需要配准的两幅图像存在较大角 度的旋转和较大尺度的缩放时，特征点邻域窗口的 特征将产生较大的改变，因此对于图像的旋转和缩 放就会比较敏感。
该方法类似于基于模板匹配的图像配准算法，基于 模板匹配的图像配准算法是在参考图像中取得一个 能包含图像主要信息的模板作为基准特征块，然后 在待配准图像中查找与该基准特征块最为相似的匹 配块，匹配的原则是以两幅图像重叠部分（这里是 指重叠块）的像素差的平方和（Sum of Squared Differences，简称SSD）为标准来衡量此区域是否 与基准特征块最相似。而该方法只是将模板的概念 应用到了特征点局部的邻域窗口，以特征点邻域窗 口的灰度信息值作为该特征点的描述符，直接进行 比较来实现特征点的匹配。
其中 和 分别表示图像I1 和I2I特征点相关窗 内像素灰度值的均值：
归一化互相关法优缺点： 1）该方法较好地解决了对于光照变化敏感的 问题。 2）矩形窗口的选用仍然是该类法的缺憾。所 以这种方法只适合于具有平移和小角度旋转 关系的图像配准。
具体步骤： 首先对需要配准的两幅图像I1和I2分别提特征点，分别 得到两个特征点集合，记作 p={p1,p2,p3......pn}和 p′={p1′ ,p2′,p3′...... pn′}，以每一个特征点为中心， 将其邻域窗口（记作w）的像素值作为该特征点的 描述符，对于图像I1中的每一个特征点p i分别计算 其与图像I2中提取的各个特征点的邻域像素值差的 平方和：
该方法不直接利用特征点邻域的灰度值，而是依据特征点邻 域像素灰度值的互相关系数（Cross Correlation）为匹配原 则进行匹配。基本思路如下：分别在参考图像和待配准图像 中以每一个特征点为中心取一个(2N+1)×(2N+1)大小的相关 窗，然后以参考图像中的每个特征点为参考点在待配准图像 中寻找对应匹配点，匹配的依据是计算特征点相关窗之间的 相关系数：