基于SIFT特征和角度相对距离的图像配准算法
【图文】：
龈咚雇枷裣嗉醯玫礁咚共罘?differenceofgauss-ian，DOG)的多尺度空间表示。将样本点和它相邻的26个像素点进行比较，得到DOG图像中的极值点(即关键点)的位置和对应的尺度(参见图1);将关键点所在16×16邻域像素内梯度方向直方图最大值所对应的方向作为关键点方向;在此基础上，将邻域的16×16像素划为4×4共16个子区域，分别统计各个区域的8个梯度方向就可以得到SIFT的128维特征描述子。G(x，y，σ)=12πσ2e－(x2+y2)/2σ2(1)式中，σ代表了高斯正态分布的方差，(x，y)是图像像素空间坐标。图1DOG空间建立及极值点检测示意图2基于角度相对距离的图像配准算法框架基于特征的图像配准算法，主要通过提取图像中的显著特征进行计算，该算法灵活，执行速度快，精度高。假设提取到的这些显著特征为特征点。在提取出特征点后，，图像配准的工作就简化为在特征点之间寻找对应关系的问题。通常，基于特征的配准算法主要由以下4部分组成:①提取参考图和待配准图的SIFT特征点;②SIFT特征点匹配，包括粗匹配和精匹配筛选正确匹配特征点;③计算图像间的变换关系;④图像重采样和插值。本文的重点研究内容，在于第二步特征点匹配中正确匹配特征点的筛眩特征点的提取和匹配，是基于特征的图像配准算法的核心，将直接影响配准的精度。首先，从参考图像和待配准图像中提取出足够多的特征点，特征点的提取方法必须具有尺度和旋转不变性，采用SIFT特征正好能满足要求;然后利用特征点之间的欧氏距离对特征点进行粗匹配;再利用特征点的角度相对距离对粗匹配后的特征点进行精匹配，最终得到正确匹配的特征点。3基于角度相对距离的特征点的匹配及筛选对于提取到的SIFT特征点和特征点描述符，采用粗匹配和精匹配两步完?
法的有效性，用实际图像对该算法进行了配准实验，所有实验均在Core(TM)2DuoCPUE7500@2.93Ghz且内存为2GB的PC机的硬件环境下，采用MATLAB2014a编程实现。配准实验使用了15组图像，其中包含了可见光图像、红外图像和遥感图像。第1、2、3、10、11、12、14组实验图像是可见光图像;第8组实验为红外与可见光图像;第4、5、6、7、9、13、15组实验图像为遥感、红外及多光谱图像。实验中使用SIFT特征点提取图像特征，并利用欧式距离进行了粗匹配。表1记录了LLT算法、ＲANSAC算法和本文算法在15组图像中精匹配的特征点数目，图3给出了部分精匹配结果。表1特征点精匹配结果序号粗匹配LLTＲANSAC本文算法1307259253263220701505775150733154216915822186492884377787152182141892146582180178189727211110811385946394195214222510116106919411352929291230272828131615151514706040441537242626从表1可以看到，本文方法在多数情况下均可以比LLT算法和基于ＲANSAC算法得到更多的精匹配结果，且在实验中，本文方法精匹配结果更加准确，这为图像配准和拼接处理提供了更多可靠的信息。在表1中可以看到本文的算法在第8、第10和第14组图像中筛选出的正确匹配特征点数明显比LLT算法筛选出的正确匹配特征点数目少，这并不表示本文方法结果不如LLT算法，这是因为LLT算法在这几组实验图像中筛选出了错误匹配的特征点对，而本文算法虽然在这几组图像中筛选的数目比LLT算法少，但全部是正确的匹配点对。本文挑出了几组图像在3种方法中的精确匹配结果如图3所示，图像中圆圈里圈出了部分错误匹配特征点在参考图像和待配准图像中的位置。从图3可以清楚看到在第8、第10和第14组图像的实验中，LLT算法筛选出了很多错误匹配的
【作者单位】： 西北工业大学自动化学院
【基金】：航空科学基金(20131953022)资助
【分类号】：TP391.41
【相似文献】
相关期刊论文 前10条
1 李晖晖;郑平;杨宁;胡秀华;;基于SIFT特征和角度相对距离的图像配准算法[J];西北工业大学学报;2017年02期
2 杨欢;石俊生;字崇德;李希才;;一种改进的SIFT图像配准算法[J];云南师范大学学报(自然科学版);2017年03期
3 史晶晶;杜江;王磊;张蓬;;基于SIFT的印鉴配准算法研究[J];计算机应用与软件;2013年12期
4 刘健;张国华;黄琳琳;;基于改进SIFT的图像配准算法[J];北京航空航天大学学报;2010年09期
5 祁燕;王琰;王明宇;;改进的SIFT特征图像配准算法[J];沈阳理工大学学报;2012年04期
6 保永强;马东洋;伍中楠;莫德林;李润生;;两种图像配准算法(SIFT与ASIFT算法)比较[J];影像技术;2013年02期
7 孙文华;;面向单视频超分辨率重建的改进的SIFT配准算法[J];河北科技师范学院学报;2015年03期
8 许晓帆;杜江;;面向景象匹配辅助导航的SIFT图像配准算法[J];电子设计工程;2013年18期
9 李颖;郑芳;陆雪松;高智勇;;基于视觉注意模型的SIFT图像配准算法研究[J];现代科学仪器;2012年02期
10 侯坚;张明;;一种蚁群优化的改进SIFT特征点的图像配准算法[J];现代计算机(专业版);2016年20期
相关会议论文 前10条
1 曹世翔;江洁;张广军;袁艳;;一种简化SIFT的图像配准算法[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年
2 宗新冉;李哲英;刘元盛;;基于SIFT算法的航拍影像自动配准与识别[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年
3 管学伟;刘先志;杜天军;;一种基于SIFT算法的目标匹配方法[A];第十四届全国图象图形学学术会议论文集[C];2008年
4 王丹;方宁;;一种基于SIFT算法的图像匹配方法[A];2015年全国微波毫米波会议论文集[C];2015年
5 冯晓萌;吴玲达;邓莉琼;陈宇宁;;简单动画形象的SIFT特征点匹配研究[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年
6 陈小林;赵建;;多源图像快速配准算法研究[A];第八届全国信息获取与处理学术会议论文集[C];2010年
7 张政;张彩明;;一种基于法向特征的点云数据配准算法[A];中国图学新进展2007——第一届中国图学大会暨第十届华东六省一市工程图学学术年会论文集[C];2007年
8 杨俊;战荫伟;;基于SIFT及射影变换的多摄像机目标交接[A];第十五届全国图象图形学学术会议论文集[C];2010年
9 吴维勇;王英惠;;基于小波的多分辨率数据配准算法[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年
10 李刚;曾荣盛;韩建涛;陈曾平;;基于双向SIFT的未标定图像的立体匹配[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年
相关博士学位论文 前10条
1 柳成荫;基于点特征的多模与多视角图像非刚性配准算法研究[D];华中科技大学;2018年
2 章学静;像素级图像增强及配准算法研究[D];北京理工大学;2014年
3 张超;基于局部特征的图像配准算法及应用研究[D];北京理工大学;2015年
4 杨娟;医学图像配准和四维磁共振成像相关技术研究[D];山东大学;2015年
5 李欣;自适应放疗中变形图像配准算法相关关键技术的研究[D];南方医科大学;2017年
6 虞刚;在线自适应放疗若干关键问题的研究[D];东南大学;2015年
7 王伟;医学图像非刚性配准算法研究[D];大连理工大学;2012年
8 陆雪松;聚焦超声治疗系统中的图像非刚性配准算法研究及应用[D];上海交通大学;2008年
9 杨占龙;基于特征点的图像配准与拼接技术研究[D];西安电子科技大学;2008年
10 张静;SIFT算法的VLSI结构设计与实时实现[D];华中科技大学;2014年
相关硕士学位论文 前10条
1 李颖;基于SIFT的图像配准及其应用研究[D];中南民族大学;2012年
2 杨金龙;基于SIFT算法的图像配准算法研究[D];扬州大学;2013年
3 张文轩;基于SIFT的图像拼接中配准算法研究与应用[D];西安电子科技大学;2015年
4 高文刚;应用SIFT算法的图像配准系统设计与实现[D];中北大学;2017年
5 田阿灵;基于SIFT的红外与可见光图像配准方法研究[D];华北电力大学（河北）;2008年
6 胡鹏;基于嵌入式系统的自适应SIFT图像配准算法的研究[D];西安电子科技大学;2014年
7 马利粉;序列红外影像自动配准算法研究[D];中国地质大学(北京);2015年
8 汪淑梦;基于改进的SIFT算法的图像配准技术的研究与实现[D];中国地质大学（北京）;2013年
9 陈志雄;基于图像配准的SIFT算法研究与实现[D];武汉理工大学;2008年
10 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
本文编号：2531709
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2531709.html
