基于径向基神经网络立体匹配算法.docVIP

基于径向基神经网络立体匹配算法 　　（西北工业大学 电子信息学院 陕西省信息获取与处理重点实验室， 西安 710072） 　　?? 　　摘要：针对双目视觉中的图像立体匹配问题，提出了一种基于径向基神经网络的立体匹配算法。该算法提取图像的尺度不变特征变换（SIFT）特征建立特征匹配矩阵，对特征匹配向量进行约简，最后将约简的特征匹配向量输入径向基神经网络进行识别输出。仿真和实际图像实验表明，该算法的匹配正确率比标准的SIFT有所到提高。?? 　　关键词：立体匹配；尺度不变特征变换；径向基函数；特征匹配向量?? 　　中图分类号：TP391??4文献标志码：A 　　文章编号：1001-?B3695(2008)11-?B3477-?B03 　　?? 　　Stereo matching based on RBF neural networks 　　?? 　　DAI Yu-chao, HE Ming-yi, ZHANG Jing, GAO Tao 　　??(Shaanxi Key Laboratory of Information Acquisition Processing, School of Electronics Information, Northwestern Polytechnical University, Xi’an 710072, China) 　　??Abstract:Aiming at the stereo matching problem in computer vision,presented a novel stereo matching algorithm based on radial basis function neural networks. Firstly, extracted feature descriptors of the images using the SIFT（scale invariant feature transform）descriptor. Secondly,calculated the feature matching matrix between image pairs.Thirdly,reduced the feature mat-ching vector. Finally,passed the reduced feature vector to the RBF neural network to recognize whether the matching relationship was correct.Experiments on simulated and actual images show that the proposed algorithm outperforms SIFT in the aspect of matching precision.?? 　　Key words:stereo matching；SIFT；radial basis function(RBF);feature matching vector?お? 　　立体匹配是计算机视觉和非接触式测量中最基本的关键问题，是双目视觉系统的基础步骤。实现自动、精确的立体匹配是人们追求的目标[1，2]。基于特征的立体匹配的典型过程如下：a）在立体图像对中选择显著特征；b）根据这些特征之间的匹配关系确定局部区域之间的对应关系。图像中的显著特征包括边缘、角点等；用于确定图像特征之间匹配关系的准则包括归一化互相关系数、互信息、欧氏距离等。由于成像条件和成像过程的复杂性，如何确定特征之间的匹配关系仍是难点[3]。?? 　　近年来，在计算机视觉领域，通过引入图像尺度空间概念，基于局部不变量的特征提取方法取得显著进展。D.G. Lowe[4，5]提出了尺度不变特征变换（scale invariant feature transform，SIFT ）；Yan Ke等人[6]基于人脸识别等领域得到广泛应用的PCA（主成分分析）方法提出了PCA-SIFT特征描述子；Mikolajczyk等人针对不同的场景,对光照变化、图像几何变形、分辨率差异、旋转、模糊和图像压缩等六种情况，就多种最具代表性的描述子进行了实验和性能比较,结果表明在以上各种情况下, SIFT描述子的性能最好[7]。?? 　　基于SIFT算子的图像匹配方法已经应用于图像镶嵌、从运动恢复结构等领域。但是特征之间的匹配准确率和精度仍需提高。径向基函数神经网络具有良好的逼近能力、分类能力，广泛应用于数据分类、模式识别等领域。?? 　　1SIFT特征提取与特征匹配?? 　　1??1SIFT特征提取?? 　　图像尺度空间理