您的位置: turnitin查重官网> 工程 >> 电气工程 >> 电气工程及自动化 >试析算法一种改善图像配准算法

试析算法一种改善图像配准算法

收藏本文 2024-03-05 点赞:3485 浏览:8825 作者:网友投稿原创标记本站原创

摘要:针对常规图像配准算法在图像存在仿射变换情况下匹配效果不明显的问题,本文提出一种基于SIFT(scale invariant feature tranorm)特征点的图像配准方法。首先,利用harris角点检测算法提取出图像的特征点,然后采用SIFT算法对特征点进行描述,用最近邻与次近邻之比进行匹配,最后用RANSAC(random sample consensus)算法消除错误匹配对。实验结果表明:该方法能够很好的进行仿射图像配准,并且大幅提高了配准的准确率。
关键词:图像配准 harris角点检测 SIFT算法 配准准确率
1007-9416(2013)04-0153-02
1 引言
图像配准也称图像匹配,是利用计算机将包含同一场景的两幅图像在空间进行对准,它是机器视觉和数字图像处理的重要组成部分,其广泛应用于医学、三维场景重建、运动估计、图像检索等领域,因此,研究图像配准技术具有较高的学术价值和实用价值。
基于特征点的图像配准算法主要包括以下几个步骤:特征点提取、特征点描述、特征点匹配。
本文针对现有图像配准算法对仿射变换处理不够,匹配准确率不高的问题,提出一种改进的图像配准算法,该算法首先采用harris角点检测算法提取图像的特征点,然后使用SIFT算法进行特征点的描述,最后对图像进行匹配。

2 特征点提取

角点特征是图像的重要特征,在各种图像特征中角点具有旋转不变性和光照不变性的优点,可以减少计算的数据量,同时又不损失图像的重要灰度信息,利用角点特征进行匹配可以大幅提高匹配的速度。Harris角点检测算法是Harris和Stephens提出的一种角点检测算法[3]。该检测算法计算速度快、精度高,是基于特征的特征点检测经典算法之一。本文使用harris角点检测算法检测角点,对k的取值经行测试,当k采用的值为0.04时,得到的特征点匹配效果最好,对待匹配图像进行harris角点检测,结果如图1所示,图中的绿色小十字的中心表示角点的位置。

3 特征点描述

3.1 方向确定

本文采用SIFT算法进行特征点的描述,SIFT算法[4]是Did G.Lowe在2004年提出的一种基于局部特征点的图像配准方法。
计算上一步检测到的特征点周围圆形窗口邻域内像素点的梯度方向,每10度一个方向,并统计梯度直方图,共36个方向直方图,将直方图上峰值对应的相位作为当前特征点主方向。当某个方向直方图峰值大于最高峰值80%的时候,保留并认定为第二主方向。因此,一个特征点可能存在多个主方向。

3.2 生成描述子

生成描述子的目的是在关键点方向确定后,用一组向量将这个关键点描述出来,这个描述子不但包括关键点,也包括关键点周围对其有贡献的像素点。用来作为目标匹配的依据,也可使关键点具有更多的不变特性,如本文的仿射不变性。
本文描述子的生成方法:以第二步检测到的点为中心,将特征点周围的邻域划分为个子区域,对每个子区域计算梯度直方图,统计其8个方向,每个梯度方向的累加值即可形成一个种子点,一个特征点由4×4个种子点构成,这样,每个特征点就用4×4=128维向量来表征。最后,对特征向量归一化,可以进一步消除光照的影响。

4 特征点匹配

在匹配过程中,本文采用特征描述子之间的欧式距离作为特征点的匹配度量,欧式距离最小的两个特征点可认为是相互匹配的,本文采用特征点的最近距离与次近距离的比值作为阈值,当该比值小于该阈值的时候,则认为该点是正确匹配点,否则舍弃,本文的取值为0.75,当为0.75的时候,匹配的准确率最高。
但是,仍然有部分的错误匹配点对存在。为了达到更好的匹配效果,本文采用RANSAC(Random Sample Consensus 随机抽样一致性)算法来消除错误匹配对[5]。RANSAC算法首先随机的选取两个点,构造一条直线,根据事先确定的容许误差来计算这条直线,可以包含多少点,这条直线包含的点被称为内点,然后根据这些内点重新计算出一条新直线,这样重复下去,直到内点的数量不再变化。
本文的用RANSAC算法分三步进行:第一步随机选取3组匹配点,估计变换矩阵的6个参数;第二步利用估计的参数对剩下的匹配点进行判断,区分出内点和外点集合,记录内点集的数量,用新的内点集合重新估计参数;第三步,当内点数目最大时,在该内点集上给出变换矩阵的最佳估计。

5 仿真实验及分析

本文实验采用Pentium CPU2.2GHz,1G内存的PC机,在Windows XP下使用进行仿真实验。实验图像来源于Robotics Research Group公布的图像仿射变换测试图集,仿真实验结果如图2。对仿真结果的匹配准确率进行统计,结果如表1。通过对比可以发现,通过使用RANSAC算法后,在图像存在仿射变换情况下,错误匹配对大幅减少,匹配准确率大幅提高。
6 结语
本文提出了一种用于仿射变换下的图像配准方法,并给出了实验结果和分析,在图像存在仿射变换的情况下,通过检测图像的harris角点,然后采用SIFT算法进行特征点描述,特征点匹配后,通过RANSAC算法消除错误匹配对,通过仿真,验证了本文算法的有效性。本文方法对于后续研究目标识别和图像检索具有一定的应用价值。
参考文献
吴子章.球形图像的特征点提取与匹配综述[J].数字技术与应用,2011,5:149.
戴涛,朱长仁,胡树平.图像匹配技术综述[J].数字技术与应用,2012,3:174.
[3]Chris Harris, Mike Stephens. A Combined corner and edge detector[C].In: Proceedings of 4th A lvey Vision Conference, Manchester, UK, 1988:189-192.
[4]Did G. Lowe. Distinctive image features from scale-invariant key points[J]. International Journal of Computer Vision, 2004,60(2):91-110.
[5]Fischler, M.A. and Bolles, R.C. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography[J]. Communications of the ACM,24(6): 381-395,1981.

源于:论文开题报告www.udooo.com

    copyright 2003-2024 Copyright©2020 Powered by 网络信息技术有限公司 备案号: 粤2017400971号