改进的RANSAC匹配点提纯算法.pdfVIP

第 45卷 第 6期 西 安 建 筑 科 技 大 学 学 报(自然科学版) Vo1．45 No．6 2013年 12月 J．Xiai1Univ．ofArch． Tech．(NaturalScienceEdition) Dec．2O13 改进的RANSAC匹配点提纯算法 介 军 ，李智杰 ，姚 鹏 (1．西安建筑科技大学信息与控制工程学院，陕西 西安 710055； 2．长庆油田分公司机械制造总厂，陕西 西安 710201) 摘 要：针对在图像匹配中，随机抽样一致性 (RANSAC)算法对匹配点提纯存在计算量大、效率低的问题，采 用将基本矩阵作为模型参数估计对象的方法，对 RANSAC匹配点提纯算法进行了改进．在改进的算法中，运 用Bucket分割技术抽取粗匹配点对，进行两幅图像的检测角点和粗匹配，利用视差梯度对匹配点样本预检 验．实验结果表明，此方法在保证较高精度和鲁棒性的情况下，运算量大幅度减少，提高了图像匹配的速度． 关键词 ：角点检测 ；图像匹配 ；视差梯度 ；RANSAC 中图分类号：TP391．4l3 文献标志码 ：A 文章编号：1006—7930(2013)06—0896—06 图像匹配是当前研究的热点问题之一，也是计算机视觉领域中相关理论的基础．在图像匹配的众多 方法中，目前应用最广泛、研究最多的方法是基于特征的匹配[1方法，它根据原图像中特征趋于稳定、数 量不是太多等具有明显标记的的一些点、线、边缘等进行图像的匹配，使得在处理过程中能尽可能的减 小运算数据量，具有较高的运算速度和效率，且对 图像灰度变化具有很强的适应性．美中不足的是，基于 特征的匹配仍需要在不同图像中进行大量的遍历性匹配运算．这样会使得匹配过程中存在计算量很大， 且精度不高的问题． 本文采用Harris算法提取不同角度的左右两幅图像的角点，利用灰度归一化互相关对角点进行粗 匹配，然后基于改进的随机抽样一致性 (RANdomSAmpleConsensus，RANSAC)算法进行精匹配．在 改进的算法 中，使用反映两幅图像像素坐标关系的基本矩阵作为模型参数估计对象，采用Bucket平面 分割技术分块抽取粗匹配点对避免分布过于集 中，利用视差梯度对参与模型计算的粗匹配点样本预检 验 以减少不必要的模型验证，在确保精度 的前提下，大大减少了计算量，提高了运算速度． 1 角点提取和粗匹配 角点是指在至少两个方向上图像灰度变化均较大的点．在实际的图像 中，角点可以是两条直线的交 汇处或者图像轮廓的拐角点、甚至是线段的末端等都可以称之为角点．本文采用Harris算法检测角点， 采用使用最多的基于窗口的归一化互相关函数对角点粗匹配． 1．1 角点提取 Harris算法_l3定义的基础是如下定义的图像灰度强度的二阶导数矩阵： a I a I 8x 8xOv M ：= a0I a 工 OxOy a、1 其 中：J为图像灰度强度；5C与 为图像像素点的横坐标和纵坐标．Harris角点的响应函数为： H === 12——k(l+ 2) (2) 其 中 ， 为矩阵为式(1)中M 的两个特征值，根据 Harris建议，是的取值为 0．04，特征点就是此 收稿 日期 ：2013-01—14 修改稿 日期 ：2013—1卜25 基金项目：国家 自然科学基金资助项 目 作者简介 ：介 军(1971一)，男，陕西彬县人，工程师，硕士，主要从事计算机应用和教学研究 第 6期 介 军等：改进的RANSAC匹配点提纯算法 897 函数的局部最大值．