最新精品范文-基于KD-Tree搜索和SURF特征的图像匹配算法研究.pdf

总第期计算机与数字工程..
年第期
基于—搜索和特征的图像匹配算法研究
杜振鹏李德华
华中科技大学图像识别与人工智能研究所武汉
摘要针对图像匹配时进行特征检测和匹配的搜索时间长的问题,文章研究了基于搜索和特征的图像匹配算法。
该算法首先提取得到图像的特征并生成特征描述向量,然后为这些特征描述向量建立索引,最后通过计算每个特征点的与
其距离最近的若干个上的最近邻点,完成特征匹配工作。实验结果表明,与算法相比,算法进行特征检测的速度要快
~倍;与全局最近邻搜索相比,基于索引的近似最近邻搜索大大减少了计算量,较大地提高了算法的匹配速度。
关键词;图像匹配;特征提取;近似最近邻搜索
中图分类号.


, .
,。—
. —
,,
.,~
;,
,, .
,,,,
】.】
过计算积分图像和矩阵提取特征点,
引言
再根据特征点邻域的小波响应生成特征描述向量,然后为
图像匹配是图像处理和计算机视觉领域中的一个基本这些特征描述向量建立索引,最后通过基于
问题,同时也是图像配准、图像拼接、目标识别与跟踪等领索引的近似最近邻搜索完成匹配工作。基于
域的重要基础和核心步骤。目前,广泛应用的图像匹配算索引的近似最近邻搜索方法的引入,大大减小了计算量,较
法主要有两类:基于像素灰度相关的匹配方法,它直接根据大地提高了算法的匹配速度。
像素灰度值来进行匹配;另一类是基于特征的匹配方法,它
通过提取图像的特征来进行匹配,它主要由特征空间、相似基于、索引的近似最近邻搜索方法
性度量、搜索方法等要素构成。近年来,由于基于局部不. 定义
变特征的图像匹配具有良好的鲁棒性,逐渐成为图像匹配是维的二叉索引树,是二又索引树在
算法研究的主流方向。维度上的推广,由于年提出,主要用来检索
提出的—多属性的数据或多维点数据。与二叉索引树的不同之处在
算法在仿射变换、噪声、一定程度的光照强度变化下于,的每个节点表示为空间中的一个点,且树的
具有良好的匹配性能,但由于生成的特征描述符维数过高, 每一层都根据这层的分辨器做出分枝决策。的第
导致计算量太大而无法进行实时匹配。为提高特征提取速层的分辨器定义为:根节点所在层为第层。
度,:提出了基于加速鲁棒特征的算法,它是对具有如下性质:
算法的一种改进,它通过计算积分图像和—若它的左子树不为空,则左子树上所有节点的第
矩阵大大提高了特征点检测的速度,但特征匹配时采维的值均小于它的根节点的第维的值,其中为根节点
用的是全局最近邻搜索方法,该方法计算量也很大。的分辨器值;
针对这个问题,结合索引方法,本文研究了基若它的右子树不为空,则右子树上所有节点的第
于搜索和特征的图像匹配算法。首先通维的值均大于或等于它的根节点的第维的值;
收稿日期:年月日,修回日期:年月日
作者简介:杜振鹏,男,硕士,研究方向:图像处理、计算机视觉。李德华,男,博士生导师,研究方向:人工智能。
年第期计算机与数字工程
它的左右子树也分别为。与算法相同,根据高斯差分函数构
. 上的近似最近邻搜索建尺度空间,以此来确定对于尺度和旋转不敏感的可能的
上的查找等操作,类似于二叉索引树。由二像素点。