基于代表色不变矩的自适应匹配算法

发布时间：2021-07-31 15:22

　　虽然Hu不变矩对于旋转等变换具有不变性,但其存在计算量过大、匹配速率慢等问题。文章介绍了一种首先搜索模板代表色,然后对代表色单独进行不变矩匹配的方法,并在匹配策略中引入变步长策略,进一步提高匹配效率。实验证明,所提出的算法不仅保持了不变矩的旋转不变性,而且相对于仅考虑灰度特征的不变矩匹配拥有更高的效率。 

【文章来源】：计算机时代. 2020,(09)

【文章页数】：4 页

【部分图文】：

匹配实验图像

将本文算法与仅采用灰度值的不变矩匹配算法做对比试验，选取Middlebury数据集中的另一张图片，如图2(a)所示。模板图分别选取图像的两个部分，如图2(b)(c)所示。在匹配模板2的实验过程中输出基于代表色的粗搜索得出的感兴趣区域，如图3所示。图中灰度值越大的区域代表模板图在该区域的可能性越高，在实际实验过程中只需要选取灰度值最大的部分进行精搜索即可达到较高的准确度。由图可见粗搜索剔除了大部分的多余部分，大大提高了搜索效率。

在匹配模板2的实验过程中输出基于代表色的粗搜索得出的感兴趣区域，如图3所示。图中灰度值越大的区域代表模板图在该区域的可能性越高，在实际实验过程中只需要选取灰度值最大的部分进行精搜索即可达到较高的准确度。由图可见粗搜索剔除了大部分的多余部分，大大提高了搜索效率。对于模板1，本文所用匹配算法用时为11.94s，而灰度不变矩匹配算法用时218.08s。对于模板2，本文所用匹配算法用时为99.75s，灰度不变矩匹配算法的用时为470.94s，本文所用的算法在保证匹配准确度较高的情况下减少了78.81%的匹配时间。

【参考文献】：
期刊论文
[1]基于改进HU不变矩的快速图像匹配算法[J]. 丁悦,吴静静,蒋毅,翁陈熠.  传感器与微系统. 2020(02)
[2]基于不变矩的制动开关图像匹配方法[J]. 吴波,封松林,艾成汉,杨林杰,孙国栋,吴曦.  现代电子技术. 2016(24)
[3]局部图像描述符最新研究进展[J]. 许允喜,陈方.  中国图象图形学报. 2015(09)
[4]基于颜色聚类和Hu不变矩的道路交通标志检测[J]. 卢阿娟,陈普春,刘丽,田芳.  物联网技术. 2013(05)
[5]基于72HSV直方图和不变矩的图像检索[J]. 肖川.  硅谷. 2012(02)
[6]基于多种主色调的图像检索算法研究与实现[J]. 曹莉华,柳伟,李国辉.  计算机研究与发展. 1999(01)

硕士论文
[1]基于深度学习的图像匹配及融合算法研究[D]. 刘强强.西安电子科技大学 2018



本文编号：3313709