一种改进的车头SURF特征提取和匹配.pdfVIP

第29卷第2期 成 都 信 息 工 程 学 院 学 报 V0l1．29No．2 2014年4月 JOURNALOFCHENGDUUNIVERSITYOFINFORMATIONTECHNOI／3GY Apt．2014 文章编号：1671—1742(2014)02—0167-06 一 种改进 的车头 SURF特征提取和匹配 刘丹丹， 魏 维 (成都信息工程学院计算机工程学院，四川 成都 610225) 摘要：通过对加速鲁棒性算法特征关键点提取和匹配的研究，提出一种改进的车头加速鲁棒性特征点提取方 法，该方法在车头图像像素梯度变化较大的范围内提取关键点，然后采用最近邻 比例算法进行特征点匹配。实验 结果表明，提出的改进方法不仅能够筛选出鲁棒性较强的关键点，同时提高了特征的提取速度和匹配效率 ，在总时 间上比尺度不变特征变换算法提高了3～6倍；比加速鲁棒性算法提高了近1／4。 关 键 词：计算机应用技术；图形图像处理；特征描述子；鲁棒性；匹配 中图分类号：TP319．41 文献标志码 ：A O 引言 车型识别在智能交通，停车收费等方面有重要意义，目前对于车型的跟踪识别主要集中于车牌识别和车辆类 型识别，而基于车辆局部特征的车型识别技术正在兴起。YaoHe等提出采用单点磁传感器将车辆原始波形通过 数据融合技术转换成数值格式提取车辆特征，基于聚类支持向量机(CS、 )，采用粒子群优化(PSO)搜索最优内 核参数和惩罚参数对车辆分类…1。马军等提出在轿车车头部分提取车灯轮廓区域特征参数高宽比、矩形度、分 散度，采用支持向量机的方法识别车型L2J。黄灿提出基于加速鲁棒性(SpeedUpRobustFeature， 瓜F)算法l3J 的车头局部特征提取进行车型识别 4【]，经过对大量SURF算法提取的车头局部特征图像的研究发现，SURF算法 提取的特征有些分布在车头的前翼子板、缓冲期等位置，这些位置的特征点通常信息量少，鲁棒性差，对于后期图 像配准易产生干扰。 SURF算法提取的特征点是图像中比周围邻域更亮或者更暗的一个像素区域，因此在车头边缘轮廓区域内 的特征点更为稳定。为了在车头检测到更有效的SURF特征点，首先对车头图像进行平滑处理消除噪声，然后 提取车头的边缘轮廓，随之对边缘轮廓做膨胀处理和形态学闭运算，得到车头图像的边缘轮廓区域，在此区域内 SURF特征点鲁棒性更好。 实验表明，改进的SURF算法提取的车头局部特征点不仅鲁棒性更好，且提高了特征提取和匹配的效率。 1 改进 SURF特征提取和匹配 传统 SURF算法要对整幅图像进行特征提取，提取的特征点不仅数 目多且有些特征点不稳定，为了能够提 高SURF特征提取的效率，首先对车头图像进行形态学处理，得到车头的边缘轮廓区域，在此基础上建立积分图 像 5【1，采用不同尺寸的箱式滤波器[6]在积分图像上使用快速Hessian矩阵[]检测图像极值点，然后在该极值点上 下层3*3*3的立体邻域进行非极大值抑制(Non-maximumSuppression)，确定是否为稳定的特征点，在稳定特 征点的周围选取20*20的邻域生成64维的SURF特征描述子，最后进行车头图像匹配。 1．1 SURF特征提取 1．1．1 车头图像形态学处理 为了检测到稳定有效的车头SURF特征，首先对车头进行轮廓提取， 车头预处理流程如图1所示。 图 车头图像形态学处理流程图 图像处理中首先对图像进行平滑处理消除图像中存在的噪声，对车头的平滑处理主要是为了提取车头的轮 收稿 日期：201312—17 基金项目：四川省教育厅重点科研资助项目(O9zA155) 第2期 刘丹丹等：一种改进的车头SURF特征提取和匹配 169 小为9×9，每组采用4层尺度图像[ ，第一组的增长因子设为6，以后每组增长因子是前一组的2倍，且后一组 的初始层是前一组的第二层，所以箱式滤波器尺寸如图7所示。 1．1．4 极值点检测 尺度空间建立后 ，在每层尺度图像上使用快速 Hessian矩阵进行极值点检测。对于