特征点匹配算法

合集下载
  1. 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. 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. 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
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 特中征,点W相是关相窗关内窗像的素大的小灰,度值I1,和CIC2分是别相为关两系幅数待。配特准征图点像匹中
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:
2.2基于互相关的描述符
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(2Nwk.baidu.com1)×(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:
具体步骤: 首得先到对两需个要特配征准点的集两合幅,图记像作I1和pI=2{分p1别,p提2,特p3征...点...p,n分}和别
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 其 平述与方符 图 和, 像 :对I2中于提图取像的I1各中个的特每征一点个的特邻征域点像p i素分值别差计的算
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。
取其最小者作为图像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。
相关文档
最新文档