电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

基于快速视网膜关键点算法改进的图像匹配方法VIP免费

基于快速视网膜关键点算法改进的图像匹配方法_第1页
1/6
基于快速视网膜关键点算法改进的图像匹配方法_第2页
2/6
基于快速视网膜关键点算法改进的图像匹配方法_第3页
3/6
ComputerEngineeringandApplications计算机工程与应用基金项目:上海市科委专项项目(No.14DZ1206300);上海高校教师产学研践习计划;上海大学创新基金(No.K100109005)。作者简介:付偲(1991-05-06),男,学士,研究领域为图像处理;邓丽,女,博士,副教授,研究领域为模式识别、图像处理。E-mail:dengli@shu.edu.cn。基于快速视网膜关键点算法改进的图像匹配方法付偲1,2,邓丽1,2,卢根1,2,费敏锐1,2FuCai1,2,DengLi1,2,LuGen1,2,FeiMinrui1,21.上海大学机电工程与自动化学院,上海2000722.上海市电站自动化技术重点实验室,上海2000721.SchoolofMechatronicalEngineeringandAutomation,ShanghaiUniversity,Shanghai200072,PRChina2.ShanghaiKeyLaboratoryofPowerStationAutomationTechnology,Shanghai200072,PRChinaFuCai,DengLi,LuGen,FeiMinrui.Improvedimagematchingbasedonfastretinakeypointalgorithm.ComputerEngineeringandApplicationsAbstracts:ConventionalAffineScaleInvariantFeatures(ASIFT)algorithmimplementsfullaffineinvariancebysimulatingimagewithaffinetransformation.Tosolvetheproblemoftime-consumingimplementscausedbylowefficiencyofSIFTalgorithmandimplementmoreefficientimagematching,FastRetinaKeypoint(FREAK)isintroducedtotheAffinemodelofASIFTwithimprovementsbasedonLanczos-4interpolation.WiththeimplementationofBruteForcefeaturematchingbasedonHAMMINGdistanceandimprovementofmatchingpointspairsfiltrationcombinedwithRandomSampleConsensus(RANSAC),thenewalgorithmAFREAKisobtained,whichimplementsfullaffineinvariancewithlowconsumingandmemoryusage.Experimentalresultsshowthatthespeedofproposedalgorithmisalmost2to3timesfasterthantheoriginalASIFTalgorithmwiththesimilarmatchingeffect.Keywords:SIFT;ASIFT;AFREAK;affineinvariance;imagematching摘要:传统的仿射尺度不变特征(ASIFT)算法通过模拟仿射变化图像实现完全仿射不变性,但是由于尺度不变特征(SIFT)算法本身的低效造成ASIFT的过程非常耗时,为了实现更为高效的图像匹配,本文引入快速视网膜关键点(FREAK)算法到ASIFT仿射模型中,并基于Lanczos-4插值进行改进。在匹配过程中基于HAMMING距离实现暴力匹配,并结合随机样本一致性(RANSAC)算法改进对匹配点对的提纯,得到了新的AFREAK算法。该算法既能实现完全仿射不变性,又能实现低耗时和低内存占用。实验结果表明,本文提出的AFREAK算法处理速度上快于ASIFT近2-3倍,并且可以得到与之相似的匹配效果。关键词:SIFT;ASIFT;AFREAK;仿射不变;图像匹配doi:10.3778/j.issn.1002-8331.1412-0291文献标志码:A中图分类号:TP2731.引言基于局部特征的图像匹配在图像拼接、目标检测等领域有着广泛应用。完整的特征图像匹配的过程一般分为三步:特征检测,特征提取(描述)和特征匹配,对于每一步,都有多种算法实现。2004年,Lowe等人提出了一种尺度不变特征(ScaleInvariantFeatures,SIFT)算法[1],该算法提供了完整的图像匹配过程,鲁棒性较好,在图像匹配方面也有着广泛的应用,该算法拥有良好的尺度、旋转不变性,但不具备仿射不变性[2]。相比于SIFT,Matas等提出了一种区域特征提取算法——最大稳定极值区域(MaximallyStableExtremalRegions,MSER)算法[3]则拥有较好的仿射不变性,却不具备尺度不变性。故而,Morel等人提出了一种仿射尺度不变特征(AffineScaleInvariantFeatures,ASIFT)算法[4,5],能够同时具备尺度、旋转、仿射不变性。该算法通过模拟相机模型,建立仿射变化后的模拟图像并利用SIFT进行两两特征检测、提取和匹配,去除误配点得到最终匹配结果。文献[6]改进了ASIFT的特征匹配框架,并且由于ASIFT去除误匹配点方法鲁棒性较差,对于高度相似的纹理精度较低,也改进了匹配点提纯过程。然而,SIFT生成高斯金字塔、高斯差分金字塔图像序列和建立128维的特征向量等流程,会占用大量的内存并且非常耗时。为了解决这一问题,Bay等人提出了基于SIFT算法的改进算法—ComputerEngineeringandApplications...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

基于快速视网膜关键点算法改进的图像匹配方法

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部