基干ORB图像匹配算法改进.docVIP

基于ORB的图像匹配算法改进 　　摘要：SURF算法具有完全尺度不变性，但在复杂匹配效果及实时性仍然不佳。ORB在特征点匹配不具备尺度不变性。结合SURF，提出改进ORB算法，先利用SURF算法生成具有尺度不变性的特征点，后使用ORB描述子生成具有旋转不变性的二进制描述子；最后又Hamming距离完成特征点匹配。实验结果表明，该算法保留了SURF的尺度不变性，且具有快速优越性，很好的图像配准的要求 关键词：SURF算法；度不变性；改进ORB；图像匹配；特征提取 图像特征匹配是指通过分别提取两个或者多个图像的特征（点，线，面等特征），对特征进行参数描述，然后运用所描述的参数来进行匹配的一种算法。图像特征点匹配是计算机视觉领域的重要部分，广泛地应用与图像处理，遥感数据分析，模式识别等邻域[1，2]。SURF（speeded-up robust features）[3]由H.bay在分析总结多种特征检测方法的基础上提出，并在2008年完善。本文提出一种基于改进的ORB算法，实现特征点的快速检测及匹配。主要思路是：先用SURF算法检测特征点，分配给特征点一个主方向，然后采用ORB中的BRIEF[5，6]描述子对特征点进行描述[7～10]，最再利用基于二进制串的Hamming距离进行特征点匹配。本文算法的匹配速度和ORB大致相当，并且克服了ORB不具备尺度不变性的缺陷 1SURF特征点提取 这里的0.9是权重系数的经验值 只有当Hessian矩阵的近似值大于零且大于周围邻域的点的值时，才可能是极值点，，取该点的上下层中对应 3*3*3 的立体邻域来进行非极大值抑制，只有比立体近邻内的 26个响应值都大的点才被选定为特征点 2ORB特征点描述子 由于生成的描述子是二进制码串的形式，因此使用Hamming距离进行特征点匹配比较简单。匹配上的点与非匹配点有着明显的不同，由此设定阈值，实现特征点匹配 3 实验结果分析 本文的测试环境是Visual Studio2013，进行编程仿真，计算机硬件系统是Window7[Inter Core i3-2100 CPU3.1GHz]，SURF及ORB调用OpenCV的相应算法函数 为了有效的说明本文算法在尺度发生变化下，同ORB，SURF算法的特征点匹配算法的差异，在来自CMU图像库中的10000张样本图片训练集中，随机的统计8组数据 本发明算法的极值点匹配度远高于传统算法ORB，匹配准确度约为96.0%，比ORB匹配准确度提高了约73.4%，表明了发明算法在尺度不变性能上的优越性，同时，在匹配精确度上，同SURF算法的精度可认为大致相当 算法的实用性可对算法的匹配时间做对比。随机地选取8组测试图像，其中的4组来自上述尺度不变性能的实验图像，其余四组不存在尺度不变，只存在旋转，平移，光照等变化： 本发明的平均匹配时间约为46.8ms，比ORB长约19.1ms可认为大致相同，而SURF的平均匹配时间约为492.6，约为本发明的7.8倍，即本发明算法的匹配速度比SURF快约7.8倍，表明了本发明算法的快速优越性 4结论 结合SURF算法的思想，提出基于ORB算法的改进，有效的解决了ORB算法不具备尺度不变性的特点，并且保留了ORB算法快速的特点，降低了图像特征向量生成的时间复杂度，简化算法，增加其鲁棒性，通过分析得出以下结论： （1）本文算法有效的解决了在图像尺度发生变化的时能准确的进行特征点匹配，其平均匹配准确度高达96.0%，相比ORB算法有了很大的提高 （2）本文算法的匹配时间相比ORB长约19.1ms，可认为大致相同，但是相比于SURF快了7.8呗，计算速度有了很大的提高 （3）本文算法的采用Hamming距离进行特征点匹配，并没有对特征点进行进一步筛选，以及在进行特征点检测时没有获得图像的精准邻域，在有大量的特征点时会对匹配点检测及精度造成影响，这也是本文算法下一步的研究方向 参考文献 [1] 张开玉，梁凤梅. 基于改进SURF的图像配准关键算法研究. 科学技术与工程，2013；13（10）：2875-2879 [2] Sinha S N， Frahm J M， Pollefeys M， et al. Features tracking and matching in video using programmable graphics handware. Machine Vision and Application， 2011； 22（1）：207-217. [3] BAY H； TVTELLARST； Goll L VAN. SURF：speeded up robust feature 20