基于改进SIFT算法的矿山井筒视频图像实时配准.pdfVIP

邢远秀等：基于改进sIFr算法的矿山井筒视频图像实时配准 2013年第8期 短计算时间。 二’nU G(埘加)=赤e一乒呐～， Lower建议每组有S层来提取特征点，则DoG 盯决定了高斯金字塔每一层的尺度。在该尺度空间 金字塔需要|s+3层，针对于一幅350×190的井筒 中进行局部极值的检测，使得每个像素点和同一层 图像，传统sIFT算法的DoG金字塔需要6组，每组 的相邻8个像素点以及上层和下层的18个相邻像 5层。实验表明，DoG金字塔采用3组，把原始图像 素点共26个相邻点进行比较确定是否为极值点。 放大1倍作为第1组，原始图像作为第2组，将原始 利用DoG算子在尺度空间的Taylor展开式，精确定 图像缩小1倍作为第3组。每组需要3层，只在每 位关键点的位置和尺度，同时去除低对比度的关键 组中间一层上提取特征点可获得较好的实验结果。 点和边缘响应点。 2．1．2实验及结果分析 1．2描述子构造与特征匹配 将改进后的SIFT算法与传统的SIFr算法进行 为使提取的特征点具有缩放和旋转不变性，利 比较。算法运行在2．20GHz的cPu，2．00GB内存 用每个关键点周围邻域的梯度模值和方向进行特征 环境中。本研究对多幅井筒图像的配准进行试验， 描述。首先确定每个关键点主方向，将坐标轴旋转 结果基本一致，由于篇幅限制，实验仅列出两幅间隔 为关键点的方向，以确保旋转不变性。根据关键点 9帧的检测滑轮及井架的视频帧图像进行比较。传 的位置、所处尺度和方向，以特征点为中心点，在周 统SI丌算法采用6组3层的结构进行特征点的提 围选取一个大小为16×16的区域，再将所选区域平取匹配，改进sIFr算法采用3组l层结构提取特征 均分为4个大小均为4×4的小区域，计算每个区域 点，本实验中描述子均采用sIFT算法提出的128维 的梯度直方图。直方图包含有8个梯度方向，归一 描述子，采用欧式距离算法作为相似性度量，剔除错 化处理后形成4×4×8=128维的特征向量，即sIFT 误匹配后的实验结果如图1所示 特征描述符。 sI FI’算法采用最邻近距离算法(NN)进行特征 匹配，根据特征点的最近邻特征点欧式距离与次邻 域特征点欧氏距离的比值对特征点进行匹配。利用 RANSAC算法消除错误匹配，保证算法的鲁棒性。 【a)组数为6，层数为3时的匹配结果 2 SⅡ’rI．算法优化 2．1尺度空间的优化 2．1．1算法思路 SIFT算法复杂度较高，特别是构建高斯金字塔 (b)组数为3，层数为1时的匹配结果 提取特征与精确定位。高斯金字塔的组数为 图1尺度对匹配的影响 I l092(min(肘，Ⅳ)l一3， 表1列出了不同尺度对井筒视频图像特征提取 其中M和Ⅳ分别是图像的行列像素数，每组内为5 与匹配的影响。图像l为视频帧前一帧图像，图像 层。尺度空间的构造耗时较多，大约占算法将近一 2为视频帧后一帧图像。其中匹配成功率为正确匹 配数除以总的匹配数。 半计算时间H]，对算法的时效影响很大。SIFT算法 尽可能检测到所有尺度上的特征点，检测的尺度空 表1不同尺度下的特征提取 间越多，检测到的特征点也越多。但是sIFT算法检 测的特征点数量过多，并且检测到很多无用的特征 点，使得算法在匹配时计算量大。 井筒视频图像在拍摄过程中对焦距保持固定不