矩阵填充与主元分析在受损图像配准中的应用 - 吉林大学学报.pdf

第43卷　 增刊 吉林 大 学 学报 ( 工 学版 ) 　 Vol.43　 Sup. 2013年3月 Journal of Jilin University (Engineering and Technology Edition) 　 Mar. 2013 矩阵填充与主元分析在受损图像配准中的应用 王卓峥,贾克斌 (北京工业大学 电子信息与控制工程学院,北京100124) 摘　 要:本文提出了一种有效的针对受损图像(元素丢失)的图像配准方法。 利用矩阵填充技 术将受损图像的丢失元素恢复,然后将主元分析法(PCA)应用于尺度不变特征变换(SIFT)中 进行图像的配准。 针对SIFT 算法采用128 维特征向量表示特征点,存储空间、匹配时间与特 征点数量成正比,文本采用主元分析法对多维特征向量进行降维处理,以提高运算效率;并采 用高斯加权欧氏距离代替欧氏距离进行特征点的匹配。 实验结果表明,该算法具有较好的稳 定性、准确率和匹配速度,针对受损图像配准具有较好的鲁棒性,可应用在基于内容的图像与 视频检索等机器视觉领域。 关键词:矩阵填充;非精确增广拉格朗日乘子;主元分析;尺度不变特征变换;特征提取; 图像配准 中图分类号:TN911.73　 　 文献标志码:A　 　 文章编号:1671-5497(2013)Sup.-0078-06 Application of matrix completion and principal component analysis to corrupted image registration WANGZhuo-zheng,JIA Ke-bin (School of Electronic Information Control Engineering,Beijing University of Technology,Beijing 100124,China) Abstract:An efficient corrupted image (missing data) registration algorithm was proposed. Firstly,the lost elements in the corrupted image was recovered by using matrix completion,then PCA (Principal Component Analysis)was applied in SIFT (Scale Invariant FeatureTransform).To solvethe shortcomingsof 128 element eigenvectors’large storage and more time to match,PCA was used to decrease the element of eigenvectors presenting descriptors.Finally,GaussianweightedEuclidean distanceinsteadof normal Euclidean distancewas used tojudge the similarity of feature points.The experimental results show that this algorithm,when applied in the computer vision field of content-based image and video retrieval,has good stability and accuracy to corrupted image registration. Key words:matrix completion;inexact augmented lagrange multiplier (IALM);principal component analysis (PCA);scale invariant feature transform (SIFT);featur