一种有效的角点检测与匹配算法.docVIP

一种有效的角点检测与匹配算法 　　摘 要:角点的检测和匹配是三维重建工作的基础部分,也是关系到三维图像重建准确性的重要部分。提出了一种角点检测算法,集多种经典算法之长处,用双重不同的判定条件,提高了的角点检测的速度,增加了检测出的角点数,并且改善了角点的精确度。在此基础上进一步提出使用简单的模板匹配方法进行角点匹配。实验表明,该算法简单且精确度高,优于其他现有的算法,而且能够得到足够多的匹配对进行下一步的三维重建工作。 　　关键词:角点检测;角点匹配;三维重建;角点精确度 　　中图分类号:TP311文献标识码:A 　　文章编号:1004-373X(2010)04-045-04 　　 　　An Efficient Algorithm of Corner Detecting and Matching 　　ZHOU Shuhuang,YUAN Jie 　　(Nanjing University,Nanjing,210093,China) 　　Abstract:In three-dimensional reconstruction,the task of corner-detecting and matching,not only is a basic part,but also has respect to veracity of the reconstruction.The algorithm introduced in this paper,with the merits of some classical algorithms,using two different conditions to make judgment,which can effectively improve the velocity of detecting,the quantity of corners,and the precision of corner-detecting.On this basis,a simple method,using the template matching,is used to match the corners.Experiments show that this algorithm is proved to be better than some other existing ways.It is simpler and more accurate,the number of matched pairs of corners which is large enough can be obtained for the next step of three-dimensional reconstruction. 　　Keywords:corner-detecting;corner-matching;three-dimensional reconstruction;preision of corner 　　 　　0 引 言 　　 　　在三维图像重建的工作中,角点的检测和匹配是很重要的前期准备。在角点检测和匹配的领域,前人做了很多工作,如Harris算法[1]、SUSAN算法[2-4]、sift算法[5]等。Harris算子是由C.Harris和M.J.Stephens于1988年提出的一种基于信号的点特征提取算子,此算子受信号处理中自相关函数的启发,给出与自相关函数相联系的矩阵M。M阵的特征值是自相关函数的一阶曲率,如果两个特征值曲率值都高,那么就认为该点是角点。该算法虽然速度较快,但是检测出来的角点较少,会影响下一步的匹配。SUSAN算法是1997年英国牛津大学的Smith等人提出的一种处理灰度图像的方法。该算法将位于圆形窗口模板中心等待检测的像素点视为核心点。核心点区域可以划分为亮度值等于或相似于核心点亮度的区域,即核值相似区(USAN)和亮度值不相似于核心点亮度的区域。该算法比较直观,但是会出现的误检测。SIFT算法的主要思想是利用多尺度变换在尺度空间中找极值点,提取角点位置和方向,使其对图像缩放、旋转、光线变化甚至仿射变换保持不变,算法比较复杂,速度也不高。近年来有不少针对这几种经典算法做出改进的算法出现,比如:多尺度的Harris角点检测[6],有一定的抗噪能力,但是和SIFT算法一样,在多尺度空间条件下算法比较复杂;RSUSAN角点检测算法[7]重新定义SUSAN算法中小核值相似区,抗噪能力好,但是对于SUSAN算法的误检测情况没有多大的改善。 　　近期研究的角点匹配算法基本可以分为两大类: 　　(1)基于窗口的匹配。窗口是由待匹配点附近的象素灰度值组成的二维矩阵。其中最常用