基于MSER与SURF的图形匹配新方法.docVIP

Microcomputer Applications Vol. 28, No.3, 2012技术交流微型电脑应用2012 年第 28 卷第 3 期文章编号： Microcomputer Applications Vol. 28, No.3, 2012 技术交流 微型电脑应用 2012 年第 28 卷第 3 期 文章编号：1007-757X(2012)3-0061-04 基于 MSER 与 SURF 的图形匹配新方法 唐乐，路林吉 摘 要：针对传统图形匹配算法对稳定特征提取不充分的缺点，提出了一种基于 MSER 与 SURF 的图形匹配新方法。MSER 与 SURF 是两种特征提取算法，各有优缺点，且具有互补的特性。提出的算法分别用 MSER 与 SURF 检测图像的特征点， 用 SURF 描述子表征检测到的所有特征点，从而实现了两者的互补，并获取了更为丰富的特征描述。基于更丰富的特征，描 述信息，进行特征匹配，最后得到的图像匹配效果，相比传统方法更加稳定。 关键字：图像配准；特征提取；SURF 算法；MSER 算法；尺度空间；Hessian 矩阵 中图分类号：TP393 文献标志码：A 0 引言 系统的输入为两幅带有相同场景的不同图片，具体处理步 骤如下： (1)分别提取两幅图像的MSER特征。 (2)分别提取两幅图像的SURF特征。 (3)分别将两幅图像MSER特征和SURF特征融合在一起。 (4)分别用SURF特征描述子对融合的特征进行统一描述。 (5)对统一的SURF特征描述子进行特征匹配。 算法结束后将输出从两幅图像提取的特征之间的匹配关 系。 关于图像特征提取与匹配，国内外提出了许多有效的算法。 现今的特征提取算法主要有角点特征检测、斑状特征检测和区 域特征 检测 3 大类。其中 Lowe [1][ 2 ] 等 提出的 SIFT (Scale-invariant feature transform [1][ 2 ] )算法，提取的特征点针对 图像的平移、旋转、尺度及一定的视点变化都具有较好的稳定 性，得到了广泛的应用。但是SIFT算法的明显缺点是计算数据 量大，时间复杂度太高，导致对SIFT图像特征的提取和匹配所 消耗时间过长。SURF（Speeded Up Robust Features [3] ）算法是 对SIFT算法的一种改进，由Herbert [3] 等人提出，其主要贡献： 在大大降低时间复杂度的基础上对特征点的提取质量也有所保 证。但是SURF特征对放射变换的鲁棒性不够好。相关试验证明， 在众 多仿射不 变特征区域 中， J. Matas 等人提出 的 MSER(Maximally Stable Extremal Region[4])检测子在多数情况 下具有最佳性能 [5 ] 。本文对SURF算法和MSER算法进行了深入 研究，结合两算法优点提出了一种新的改进的图像特征提取与 匹配方法。 本文的主要贡献在于：提出了一种将尺度不变特征子 （SURF）和最大稳定极值区域特征子（MSER）相结合来进行 图像特征提取和匹配的方法，该方法可以充分利用二者在图像 多种变换情况下提取特征的互补性，来达到在时间条件可接受 范围内，复杂环境中图像间匹配的稳健性。 2 MSER 特征检测 最 大稳定极 值区域 (Maximally Stable ExtremalRe- gion [4 ] ),简称 MSER。相关试验证明，MSER 检测子在众多仿 射不变特征区域中，多数情况下具有最佳性能 [5 ] 。MSER 的时 间复杂度为 O(n log log n) 。最大稳定极值区域对于它的外界 来说是具有密度极值的区域。其基本思想是：对于任意一幅灰 度图片，从小到大选取中所有可能的阈值 0-255。将图像中小于 阈值的像素点设为 0，大于阈值的像素点设为 1，于是得到 256 幅二值图像，对于每一幅图像来说都会有许多连通区域，最大 稳定极值区域就是这些区域中随阈值的变化其面积变化小于某 个值的区域。 2.1 极值区域提取 1 总体设计 系统总体设计框图，如图1所示： 1、像素点排序：采用箱排序（时间复杂度为 O(n) ）的方法 将图像像素按照灰度值大小进行排序。从而产生出一个序列， 序列中每个单元存放了具有相同灰度值的像素及其坐标。 2、极值区域的提取：采用四领域法则生成区域树的过程。 某一阈值图像I，对于该图像上的任意像素点P： (1)若它的所有领域像素都不属于某已知的节点，则建立一 新节点，该节点包含像素P； (2)若它有部分或所有领域像素都属于某已知最上层节点， 而其他不属于任何已知结点的领域像素还没进行判定，如果该 图1 流程图 —————————————— 作者简介：唐 乐（1986-），