一种改进的Harris角点检测的图像配准方法

发布时间：2019-07-26 13:19

【摘要】：针对在传统的Harris角点检测过程中,手动输入单个阈值可能出现角点聚簇、伪角点等现象,提出了一种改进的Harris角点检测方法的图像配准方法。首先,将图像分割成3×3个无重叠子图,根据每个子图的对比度的大小,来设置每个子图的阈值。然后,采用NCC算法对检测出的角点进行粗匹配。最后,采用RANSAC算法对粗匹配中误匹配点对进行剔除。实验表明:该算法使得检测的角点分布比较均匀,并在图像配准中有效地增加图像匹配点对数,具有良好的实用性。
【图文】：

简单，但常常出现很多误匹配点对［13］。本文采用随机抽样一致性算法(ＲANSAC)对匹配结果进行筛选，消除误匹配点对［14］。4实验结果为了验证本文算法的实际效果，本文采用三组来源不同的图像进行实验对比。本文实验硬件环境如下:CPUIntel(Ｒ)Core(TM)i5－2450M;内存为4GB;64位window7操作系统，软件实施平台为Mat-lab2014a。3组图像如图1所示，其中(a)、(b)为实景拍摄的兰花图像，大小为570×456;(c)、(d)为图像数据库中雪山的图像，大小为516×375;(e)、(f)为网络采集的轮船图像，大小为666×960。图13组测试图像Fig．1Threegroupsoftestingimages首先为了验证本文算法在特征点提取上的优势，分别采用改进的Harris角点检测算法和传统的Harris角点检测算法对图1中3组测试图像进行比较试验。特征点数量和时间统计结果如表1所示。改进的Harris角点检测算法相对传统的Harris角点检测算法在特征点数量上具有很大的优势。在图1中的3组图像角点检测数量上增幅都在18%以上，图1(b)的特征点数量增幅达到了40%。表1角点检测结果比较Tab．1Comparisonofthetwoalgorithms特征点数量时间/s传统Harris改进Harris传统Harris改进Harris图1(a)、(b)1972810．7800．791图1(c)、(d)4355340．5780．594图1(e)、(f)4305100．6010．611为了证明改进算法在特征点分布上的优势，，图2所示为图1中三组图像的特征点分布对比试验图，从图中可以看出改进的Harris角点检测出的特征点分布相对传统Harris角点检测出的特征点分布较均匀。为了验证改进Harris角点检测算法在图像匹配上的效果，本文采用改进的Harris角点检测算法和传统Harris角点检测算法对图1中的三组图像进行图像配准测试，具体的实验数据统计如表2所示。虽然改进的Har

简单，但常常出现很多误匹配点对［13］。本文采用随机抽样一致性算法(ＲANSAC)对匹配结果进行筛选，消除误匹配点对［14］。4实验结果为了验证本文算法的实际效果，本文采用三组来源不同的图像进行实验对比。本文实验硬件环境如下:CPUIntel(Ｒ)Core(TM)i5－2450M;内存为4GB;64位window7操作系统，软件实施平台为Mat-lab2014a。3组图像如图1所示，其中(a)、(b)为实景拍摄的兰花图像，大小为570×456;(c)、(d)为图像数据库中雪山的图像，大小为516×375;(e)、(f)为网络采集的轮船图像，大小为666×960。图13组测试图像Fig．1Threegroupsoftestingimages首先为了验证本文算法在特征点提取上的优势，分别采用改进的Harris角点检测算法和传统的Harris角点检测算法对图1中3组测试图像进行比较试验。特征点数量和时间统计结果如表1所示。改进的Harris角点检测算法相对传统的Harris角点检测算法在特征点数量上具有很大的优势。在图1中的3组图像角点检测数量上增幅都在18%以上，图1(b)的特征点数量增幅达到了40%。表1角点检测结果比较Tab．1Comparisonofthetwoalgorithms特征点数量时间/s传统Harris改进Harris传统Harris改进Harris图1(a)、(b)1972810．7800．791图1(c)、(d)4355340．5780．594图1(e)、(f)4305100．6010．611为了证明改进算法在特征点分布上的优势，图2所示为图1中三组图像的特征点分布对比试验图，从图中可以看出改进的Harris角点检测出的特征点分布相对传统Harris角点检测出的特征点分布较均匀。为了验证改进Harris角点检测算法在图像匹配上的效果，本文采用改进的Harris角点检测算法和传统Harris角点检测算法对图1中的三组图像进行图像配准测试，具体的实验数据统计如表2所示。虽然改进的Har
【作者单位】： 重庆理工大学电子信息与自动化学院;
【基金】：重庆市基础与前沿研究计划项目(No.cstc2015jcyj A40051)资助
【分类号】：TP391.41

【参考文献】

相关期刊论文 前9条

1 张东;余朝刚;;基于特征点的图像拼接方法[J];计算机系统应用;2016年03期

2 邹志远;安博文;曹芳;潘胜达;;一种自适应红外图像角点检测算法[J];激光与红外;2015年10期

3 王鹏程;龙永新;文志强;吴金津;廖飞;;一种基于边缘积分与邻域提纯的图像匹配方法[J];计算技术与自动化;2015年03期

4 郭晓冉;崔少辉;;透视变换模型的Harris图像配准[J];微电子学与计算机;2014年04期

5 李鹏程;曾毓敏;张梦;;基于改进Harris的图像拼接算法[J];南京师范大学学报(工程技术版);2014年01期

6 刘辉;申海龙;;一种基于改进SIFT算法的图像配准方法[J];微电子学与计算机;2014年01期

7 吴伟交;王敏;黄心汉;毛尚勤;;基于向量夹角的SIFT特征点匹配算法[J];模式识别与人工智能;2013年01期

8 温文雅;;一种改进的Harris多尺度角点检测算法[J];重庆理工大学学报(自然科学);2012年08期

9 贺柏根;朱明;杨粤涛;刘春香;;Harris角点在金属材料硬度检测中的应用[J];激光与红外;2010年09期

【共引文献】

相关期刊论文 前10条

1 马嘉琳;张锦明;孙卫新;;基于相机标定的全景图拼接方法研究[J];系统仿真学报;2017年05期

2 李兰;谢勤岚;;一种改进Harris-SIFT算子的图像匹配算法[J];舰船电子工程;2017年04期

3 罗志娟;;小波提取边缘特征点图像配准研究[J];长沙航空职业技术学院学报;2017年01期

4 张见双;张红民;罗永涛;陈柏元;;一种改进的Harris角点检测的图像配准方法[J];激光与红外;2017年02期

5 韩超;方露;章盛;;一种优化的图像配准算法[J];电子测量与仪器学报;2017年02期

6 邹彬;陆阳;钱钧;贺峻峰;李良福;杨一洲;;基于图像全局矢量的特征点矢量提取方法[J];微电子学与计算机;2017年01期

7 任立胜;王立中;;基于曲率尺度空间的角点检测图像匹配算法分析[J];电子技术应用;2016年12期

8 周敏;刘宁钟;王立春;;基于无人机航拍的公路图像拼接方法研究[J];计算机与现代化;2016年10期

9 邢凯盛;凌有铸;陈孟元;;ORB特征匹配的误匹配点剔除算法研究[J];电子测量与仪器学报;2016年08期

10 苏森;李郁峰;范勇;陈念年;刘冬冬;;一种快速高精度的零件图像配准算法[J];制造技术与机床;2016年07期

【二级参考文献】

相关期刊论文 前10条

1 王俊秀;孔令德;;基于特征点匹配的全景图像拼接技术研究[J];软件工程师;2014年11期

2 陈梦洁;;边缘检测方法的对比研究[J];科技视界;2014年11期

3 郭晓冉;崔少辉;;基于局部特征点配准的图像拼接算法[J];半导体光电;2014年01期

4 高晶;吴育峰;吴昆;孙继银;;基于角点检测的图像匹配算法[J];仪器仪表学报;2013年08期

5 周龙萍;;基于改进的Harris算法检测角点[J];计算机技术与发展;2013年02期

6 仇国庆;冯汉青;蒋天跃;涂乐飞;;一种改进的Harris角点图像拼接算法[J];计算机科学;2012年11期

7 张月辉;吴健;陆姗姗;崔志明;;基于词汇树层次语义模型的图像检索算法[J];微电子学与计算机;2012年11期

8 戴涛;朱长仁;胡树平;;图像匹配技术综述[J];数字技术与应用;2012年03期

9 李小昌;朱丹;;采用尺度不变特征和区域选择的图像配准方法[J];红外与激光工程;2012年02期

10 焦斌亮;樊曼曼;;基于改进SIFT算法的多源遥感影像配准研究[J];激光与红外;2011年12期

【相似文献】

相关期刊论文 前10条

1 程芳,朱敏慧,吴一戎;改进的多项式图像配准方法[J];电子与信息学报;2001年11期

2 刘斌,彭嘉雄;图像配准的小波分解方法[J];计算机辅助设计与图形学学报;2003年09期

3 谌安军;;基于多尺度图像配准方法[J];电子测量技术;2003年05期

4 谌安军,陈炜,毛士艺;一种基于边缘的图像配准方法[J];电子与信息学报;2004年05期

5 刘松涛;杨绍清;;图像配准技术性能评估及实现概况[J];电光与控制;2007年03期

6 李玲玲;黄其民;李保;;多传感器图像配准方法综述[J];光盘技术;2007年02期

7 刘松涛;杨绍清;;图像配准技术研究进展[J];电光与控制;2007年06期

8 上官晋太;郭慧;岳晋;杨汝良;;图像配准测度对重叠面积变化的鲁棒性分析[J];光电工程;2008年11期

9 李晓明;张继福;;一种基于学习的自动图像配准检验方法[J];自动化学报;2008年01期

10 徐海黎;花国然;庄健;王孙安;;采用小世界免疫克隆算子的频率域图像配准[J];西安交通大学学报;2009年06期

相关会议论文 前10条

1 付宇光;唐焕文;唐一源;;一种优化算法在图像配准中的应用[A];第二十届中国控制会议论文集（上）[C];2001年

2 桂秋阳;邱志明;;大口径舰炮图像配准方式射击精度仿真[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

3 彭静;徐晓艳;任蕾;;一种基于极对数分数阶傅里叶变换的图像配准方法[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

4 王佳佳;廖宁放;廉玉生;刘子龙;;基于八通道成像光谱仪图像配准技术研究[A];中国光学学会2010年光学大会论文集[C];2010年

5 冯丽丽;姜慧研;李季;;一种自适应的非刚性图像配准方法及其在肝脏配准中的应用[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

6 翟胜军;姜晖;张鑫;;一种基于角点的图像配准方法[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

7 吴铮;钱徽;朱淼良;;基于特征匹配的航空图像配准[A];第十二届全国图象图形学学术会议论文集[C];2005年

8 杨必武;倪志斌;;图像配准中基于最大熵的模板选取算法研究[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

9 李红波;倪国强;;图像配准中特征点匹配分析与展望[A];第三届全国嵌入式技术和信息处理联合学术会议论文集[C];2009年

10 滕凯风;张建秋;周柏杨;王友华;;基于免疫单纯形法的鲁棒多分辨率图像配准[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

相关博士学位论文 前10条

1 丛伟建;应用于肝脏介入诊疗的超声图像分析与导航方法研究[D];北京理工大学;2015年

2 靳峰;基于特征的图像配准关键技术研究[D];西安电子科技大学;2015年

3 黄韶杰;基于聚类的煤岩分界图像识别技术研究[D];中国矿业大学(北京);2016年

4 马亮;基于模块化推扫式成像光谱仪的光谱校正与图像配准技术研究[D];中国科学院研究生院(上海技术物理研究所);2015年

5 宋智礼;图像配准技术及其应用的研究[D];复旦大学;2010年

6 周武;精密图像配准方法研究及在精密电子组装中的应用[D];华南理工大学;2012年

7 黄晓阳;在体肝脏图像配准方法及应用研究[D];厦门大学;2009年

8 朱宪伟;基于结构特征的异源图像配准技术研究[D];国防科学技术大学;2009年

9 王东峰;多模态和大型图像配准技术研究[D];中国科学院研究生院（电子学研究所）;2002年

10 王雷;影像导航手术中2D/3D图像配准[D];中国科学院研究生院(长春光学精密机械与物理研究所);2015年

相关硕士学位论文 前10条

1 杨小丽;基于轮廓的SAR图像配准方法研究[D];天津理工大学;2015年

2 张海滨;图像配准技术在前列腺DWI序列图像中的研究与应用[D];河北大学;2015年

3 汪松;在图像配准中基于点特征的匹配算法[D];郑州大学;2015年

4 王菲;一种改进的红外图像配准拼接算法研究[D];兰州大学;2015年

5 牛慧贤;基于分数阶傅里叶变换的刚性图像配准技术[D];郑州大学;2015年

6 郭莉莉;基于人工蜂群算法的SPECT-B超甲状腺图像配准[D];河北大学;2015年

7 何永亮;基于特征点和TPE两点熵的图像配准技术研究[D];华中师范大学;2015年

8 胡钟琴;基于互信息和粒子群算法的图像配准研究[D];广西大学;2015年

9 商磊;基于改进SIFT算法的图像配准研究[D];电子科技大学;2014年

10 陈海斌;图像分割和图像配准在近距离放射治疗中的应用研究[D];南方医科大学;2015年

本文编号：2519576