一种稳健的角点匹配方法 - 南京信息工程大学学报.pdf

文章编号：１６７４７０７０（２０１２）０６０５５００５ 一种稳健的角点匹配方法 １ １ ２ 杨成胡 　赵鸿燕　吴立刚 摘要 ０　引言 在不同的图像之间寻找若干稳健的 匹配点是许多计算机视觉算法有效应用 ［１］ 　　图像或目标的特征匹配是计算机视觉研究中的重点问题 ，有 的关键．ＳＩＦＴ（ＳｃａｌｅＩｎｖａｒｉａｎｔＦｅａｔｕｒｅ ［２］ 效的匹配对于定位、立体视觉等的实际应用起着决定性作用 ．图像 Ｔｒａｎｓｆｏｒｍｓ）算法已经证明了能够实现稳 健匹配点提取的任务，然而ＳＩＦＴ算法提 的特征点必须具备独特性才能使匹配得以顺利实现，因此具备独特 取的匹配点往往处于目标内部的某些均 性的位置点即为图像或目标的特征点．特征主要包括图像中物体的 匀的区域，并不包括目标的边角点．考虑 边角、灰度信息、统计特征等．为实现准确的匹配，特征应该具有旋 到角点往往包含了目标关键的结构信 息，因此利用ＳＩＦＴ匹配点的稳健性结合 转、平移或仿射不变等性质，并且对光照、视角的变化不敏感． 角点检测，既能够提高角点匹配的稳健 特征点是图像本质内容的抽象，对理解和分析图像起着重要作 性又能够减小角点匹配搜索范围．匹配 用．人类对目标识别的过程，就是确定目标与先验知识相对应的过 实验证明了该方法能够有效抵御噪声的 干扰以及尺度和视角变化的影响，具备 程．目标千差万别，人的大脑可以通过处理获得各种对象的特性，进 良好的匹配稳健性． 而实现目标的归属判别，因此计算机视觉是人类生理视觉的模拟．匹 关键词 配实现的是不同图像或视角之间的对应关系，是进一步实现智能识 特征 匹配；尺度不变特征变换 （ＳＩＦＴ）；角点 别的前提．采用一定的匹配算法在两幅或多幅图像之间寻找同一点 ［３］ 或同一区域，本质是在相似的前提下，搜寻最优匹配的问题 ．实际 中图分类号 ＴＮ９１１７３ 应用场合复杂多变，因此稳健性对于匹配算法尤其重要，往往决定了 文献标志码 Ａ 整个视觉系统的适用性和稳定性． 角点被认为是某尺度下图像中所有方向梯度都比较大的位置． ［４］ ［５］ Ｈａｒｒｉｓ等 利用局部特征实现了稳健的角点检测，Ｓｃｈｍｉｄ等 采用具 有旋转不变性的区域描述符表征检测出的Ｈａｒｒｉｓ角点，实现了角点匹 配的旋转不变性．然而，Ｈａｒｒｉｓ角点匹配存在对图像尺度敏感的缺陷， 当图像大小不一致时，Ｈａｒｒｉｓ角点并不能实现理想的匹配．于是， ［６］ Ｌｏｗｅ 提出具有尺度不变性的局部特征来描述图像的特征，也即 ＳＩＦＴ（ＳｃａｌｅＩｎｖａｒｉａｎｔＦｅａｔｕｒｅＴｒａｎｓｆｏｒｍｓ）特征匹配