CN104866851A - 一种图像匹配的sift算法 - Google Patents
一种图像匹配的sift算法 Download PDFInfo
- Publication number
- CN104866851A CN104866851A CN201510091082.XA CN201510091082A CN104866851A CN 104866851 A CN104866851 A CN 104866851A CN 201510091082 A CN201510091082 A CN 201510091082A CN 104866851 A CN104866851 A CN 104866851A
- Authority
- CN
- China
- Prior art keywords
- sift
- point
- algorithm
- images
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种图像匹配的sift算法,SIFT是一种相似不变量,即对图像尺度变化和旋转是不变量。然而,由于构造SIFT特征时,在很多细节上进行了特殊处理,使得SIFT对图像的复杂变形和光照变化具有了较强的适应性,同时运算速度比较快,定位精度比较高,SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性;独特性好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配,多量性,即使少数的几个物体也可以产生大量的SIFT特征向量;高速性,经优化的SIFT匹配算法甚至可以达到实时的要求,可扩展性,可以很方便的与其他形式的特征向量进行联合。
Description
技术领域
本发明属于计算机算法领域,更具体地说,本发明涉及一种图像匹配的sift算法。
背景技术
SIFT匹配尺度不变特征转换)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,此算法由 David Lowe 在1999年所发表,2004年完善总结。其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。局部影像特征的描述与侦测可以帮助辨识物体,SIFT 特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性,它们是高度显著而且相对容易撷取,在母数庞大的特征数据库中,很容易辨识物体而且鲜有误认。使用 SIFT特征描述对于部分物体遮蔽的侦测率也相当高,甚至只需要3个以上的SIFT物体特征就足以计算出位置与方位。在现今的电脑硬件速度下和小型的特征数据库条件下,辨识速度可接近即时运算。SIFT特征的信息量大,适合在海量数据库中快速准确匹配。
发明内容
本发明所要解决的问题是提供一种对图像的复杂变形和光照
变化具有了较强的适应性,同时运算速度比较快,定位精度比较高的图像匹配的sift算法。
为了实现上述目的,本发明采取的技术方案为:
一种图像匹配的sift算法,包括如下步骤:
(1)构建尺度空间,检测极值点,获得尺度不变性;
(2)特征点过滤并进行精确定位,剔除不稳定的特征点;
(3)在特征点处提取特征描述符,为特征点分配方向值;
(4)生成特征描述子,利用特征描述符寻找匹配点;
(5)以特征点为中心取16*16的邻域作为采样窗口;
(6)将采样点与特征点的相对方向通过高斯加权后归入包含8个bin的方向直方图;
(7)最后获得4*4*8的128维特征描述子;
(8) 当两幅图像的Sift特征向量生成以后,就可以判定两幅图像中关键点的相似性度量;
(9)取图像1的某个关键点,通过遍历找到图像2中的距离最近的两个关键点,并判定为一对匹配点;
(10)在以上图片中画上标记,连接对应的匹配的点;
优选的,所述步骤(1)中检测极值点采用的是DOG算子。
优选的,所述步骤(2)中特征点过滤采用的重复特征点过滤,每个特征点过滤两次,对可疑特征点重复过滤三次。
优选的,所述步骤(5)中16*16的子区域,在处理梯度幅度时都进行了类似于高斯函数的加权处理。
优选的,所述步骤(8)中作为两幅图像关键点相似性判定度量的为关键点特征向量的欧式距离。
优选的,所述(9)中判定匹配点的方法是次近距离除以最近距离小于某个阙值。
有益效果:本发明提供了一种图像匹配的sift算法,SIFT是一种相似不变量,即对图像尺度变化和旋转是不变量。然而,由于构造SIFT特征时,在很多细节上进行了特殊处理,使得SIFT对图像的复杂变形和光照变化具有了较强的适应性,同时运算速度比较快,定位精度比较高,SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性;独特性好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配,多量性,即使少数的几 个物体也可以产生大量的SIFT特征向量;高速性,经优化的SIFT匹配算法甚至可以达到实时的要求,可扩展性,可以很方便的与其他形式 的特征向量进行联合。
具体实施方式
一种图像匹配的sift算法,包括如下步骤:
(1)构建尺度空间,检测极值点,检测极值点采用的是DOG算子,获得尺度不变性;
(2)特征点过滤并进行精确定位,剔除不稳定的特征点,特征点过滤采用的重复特征点过滤,每个特征点过滤两次,对可疑特征点重复过滤三次;
(3)在特征点处提取特征描述符,为特征点分配方向值;
(4)生成特征描述子,利用特征描述符寻找匹配点;
(5)以特征点为中心取16*16的邻域作为采样窗口,16*16的子区域,在处理梯度幅度时都进行了类似于高斯函数的加权处理;
(6)将采样点与特征点的相对方向通过高斯加权后归入包含8个bin的方向直方图;
(7)最后获得4*4*8的128维特征描述子;
(8) 当两幅图像的Sift特征向量生成以后,就可以判定两幅图像中关键点的相似性度量,作为两幅图像关键点相似性判定度量的为关键点特征向量的欧式距离;
(9)取图像1的某个关键点,通过遍历找到图像2中的距离最近的两个关键点,并判定为一对匹配点,判定匹配点的方法是次近距离除以最近距离小于某个阙值;
(10)在以上图片中画上标记,连接对应的匹配的点
本发明提供了一种图像匹配的sift算法,SIFT是一种相似不变量,即对图像尺度变化和旋转是不变量。然而,由于构造SIFT特征时,在很多细节上进行了特殊处理,使得SIFT对图像的复杂变形和光照变化具有了较强的适应性,同时运算速度比较快,定位精度比较高,SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性;独特性好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配,多量性,即使少数的几 个物体也可以产生大量的SIFT特征向量;高速性,经优化的SIFT匹配算法甚至可以达到实时的要求,可扩展性,可以很方便的与其他形式 的特征向量进行联合。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种图像匹配的sift算法,其特征在于,包括如下步骤:
(1)构建尺度空间,检测极值点,获得尺度不变性;
(2)特征点过滤并进行精确定位,剔除不稳定的特征点;
(3)在特征点处提取特征描述符,为特征点分配方向值;
(4)生成特征描述子,利用特征描述符寻找匹配点;
(5)以特征点为中心取16*16的邻域作为采样窗口;
(6)将采样点与特征点的相对方向通过高斯加权后归入包含8个bin的方向直方图;
(7)最后获得4*4*8的128维特征描述子;
(8) 当两幅图像的Sift特征向量生成以后,就可以判定两幅图像中关键点的相似性度量;
(9)取图像1的某个关键点,通过遍历找到图像2中的距离最近的两个关键点,并判定为一对匹配点;
(10)在以上图片中画上标记,连接对应的匹配的点。
2.如权利要求1所述的图像匹配的sift算法,其特征在于:所述步骤(1)中检测极值点采用的是DOG算子。
3.按照权利要求1所述的一种基于粒子群优化的SAR图像分割方法,其特征在于:所述步骤(2)中特征点过滤采用的重复特征点过滤,每个特征点过滤两次,对可疑特征点重复过滤三次。
4.如权利要求1所述的图像匹配的sift算法,其特征在于:所述步骤(5)中16*16的子区域,在处理梯度幅度时都进行了类似于高斯函数的加权处理。
5.如权利要求1所述的图像匹配的sift算法,其特征在于:所述步骤(8)中作为两幅图像关键点相似性判定度量的为关键点特征向量的欧式距离。
6.如权利要求5所述的图像匹配的sift算法,其特征在:所述步骤(9)中判定匹配点的方法是次近距离除以最近距离小于某个阙值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510091082.XA CN104866851A (zh) | 2015-03-01 | 2015-03-01 | 一种图像匹配的sift算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510091082.XA CN104866851A (zh) | 2015-03-01 | 2015-03-01 | 一种图像匹配的sift算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104866851A true CN104866851A (zh) | 2015-08-26 |
Family
ID=53912672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510091082.XA Pending CN104866851A (zh) | 2015-03-01 | 2015-03-01 | 一种图像匹配的sift算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104866851A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105374029A (zh) * | 2015-10-12 | 2016-03-02 | 国家电网公司 | 变电站设备红外图像感兴趣区域的分割方法及系统 |
CN105488512A (zh) * | 2015-11-27 | 2016-04-13 | 南京理工大学 | 基于Sift特征匹配和形状上下文的试卷阅卷方法 |
CN105631860A (zh) * | 2015-12-21 | 2016-06-01 | 中国资源卫星应用中心 | 基于局部排序方向直方图描述子的图像同名点提取方法 |
CN106250979A (zh) * | 2016-08-16 | 2016-12-21 | 安阳师范学院 | 一种基于互信息相似度策略的粒子群优化方法 |
CN106372574A (zh) * | 2016-08-22 | 2017-02-01 | 湖南晖龙股份有限公司 | 基于ros操作系统的机器人物体识别方法 |
CN107392092A (zh) * | 2017-06-13 | 2017-11-24 | 中国地质大学(武汉) | 一种基于v2v的智能车辆前方道路环境透视感知方法 |
CN107808117A (zh) * | 2017-09-29 | 2018-03-16 | 上海工程技术大学 | 一种基于云计算的共享车辆定位系统及其定位方法 |
CN109872293A (zh) * | 2019-03-12 | 2019-06-11 | 深圳微品致远信息科技有限公司 | 一种基于图像识别智能修改图片尺寸的方法、系统及存储介质 |
CN109902700A (zh) * | 2017-12-11 | 2019-06-18 | 北京航天泰坦科技股份有限公司 | 一种基于哈希算法的大规模影像匹配方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101521740A (zh) * | 2009-04-01 | 2009-09-02 | 北京航空航天大学 | 基于多尺度不变特征的实时运动估计方法 |
CN101556647A (zh) * | 2009-05-20 | 2009-10-14 | 哈尔滨理工大学 | 一种基于改进sift算法的移动机器人视觉定位方法 |
US20120148164A1 (en) * | 2010-12-08 | 2012-06-14 | Electronics And Telecommunications Research Institute | Image matching devices and image matching methods thereof |
-
2015
- 2015-03-01 CN CN201510091082.XA patent/CN104866851A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101521740A (zh) * | 2009-04-01 | 2009-09-02 | 北京航空航天大学 | 基于多尺度不变特征的实时运动估计方法 |
CN101556647A (zh) * | 2009-05-20 | 2009-10-14 | 哈尔滨理工大学 | 一种基于改进sift算法的移动机器人视觉定位方法 |
US20120148164A1 (en) * | 2010-12-08 | 2012-06-14 | Electronics And Telecommunications Research Institute | Image matching devices and image matching methods thereof |
Non-Patent Citations (2)
Title |
---|
白廷柱等: "基于SIFT算子的图像匹配算法研究", 《北京理工大学学报》 * |
程德志等: "基于改进SIFT算法的图像匹配方法", 《计算机仿真》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105374029B (zh) * | 2015-10-12 | 2018-01-19 | 国家电网公司 | 变电站设备红外图像感兴趣区域的分割方法及系统 |
CN105374029A (zh) * | 2015-10-12 | 2016-03-02 | 国家电网公司 | 变电站设备红外图像感兴趣区域的分割方法及系统 |
CN105488512A (zh) * | 2015-11-27 | 2016-04-13 | 南京理工大学 | 基于Sift特征匹配和形状上下文的试卷阅卷方法 |
CN105488512B (zh) * | 2015-11-27 | 2019-07-12 | 南京理工大学 | 基于Sift特征匹配和形状上下文的试卷阅卷方法 |
CN105631860A (zh) * | 2015-12-21 | 2016-06-01 | 中国资源卫星应用中心 | 基于局部排序方向直方图描述子的图像同名点提取方法 |
CN105631860B (zh) * | 2015-12-21 | 2018-07-03 | 中国资源卫星应用中心 | 基于局部排序方向直方图描述子的图像同名点提取方法 |
CN106250979A (zh) * | 2016-08-16 | 2016-12-21 | 安阳师范学院 | 一种基于互信息相似度策略的粒子群优化方法 |
CN106250979B (zh) * | 2016-08-16 | 2019-06-14 | 安阳师范学院 | 一种基于互信息相似度策略的粒子群优化方法 |
CN106372574A (zh) * | 2016-08-22 | 2017-02-01 | 湖南晖龙股份有限公司 | 基于ros操作系统的机器人物体识别方法 |
CN107392092A (zh) * | 2017-06-13 | 2017-11-24 | 中国地质大学(武汉) | 一种基于v2v的智能车辆前方道路环境透视感知方法 |
CN107392092B (zh) * | 2017-06-13 | 2019-10-18 | 中国地质大学(武汉) | 一种基于v2v的智能车辆前方道路环境透视感知方法 |
CN107808117A (zh) * | 2017-09-29 | 2018-03-16 | 上海工程技术大学 | 一种基于云计算的共享车辆定位系统及其定位方法 |
CN109902700A (zh) * | 2017-12-11 | 2019-06-18 | 北京航天泰坦科技股份有限公司 | 一种基于哈希算法的大规模影像匹配方法 |
CN109872293A (zh) * | 2019-03-12 | 2019-06-11 | 深圳微品致远信息科技有限公司 | 一种基于图像识别智能修改图片尺寸的方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104866851A (zh) | 一种图像匹配的sift算法 | |
Zhu et al. | Single image 3d object detection and pose estimation for grasping | |
Drost et al. | Introducing mvtec itodd-a dataset for 3d object recognition in industry | |
Steder et al. | Point feature extraction on 3D range scans taking into account object boundaries | |
Hodaň et al. | Detection and fine 3D pose estimation of texture-less objects in RGB-D images | |
Bao et al. | Semantic structure from motion | |
Liu et al. | Fast directional chamfer matching | |
Drost et al. | Model globally, match locally: Efficient and robust 3D object recognition | |
Canclini et al. | Evaluation of low-complexity visual feature detectors and descriptors | |
Yang et al. | Aligning 2.5 D scene fragments with distinctive local geometric features and voting-based correspondences | |
CN103473551A (zh) | 基于sift算子的台标识别方法及系统 | |
Chen et al. | Robust affine-invariant line matching for high resolution remote sensing images | |
US20150363663A1 (en) | Describing objects using edge-pixel-feature descriptors | |
CN104182973A (zh) | 基于圆形描述算子csift的图像复制粘贴检测方法 | |
Yang et al. | Multiscale triangular centroid distance for shape-based plant leaf recognition | |
CN108229500A (zh) | 一种基于函数拟合的sift误匹配点剔除法 | |
Jiang et al. | Multi-class fruit classification using RGB-D data for indoor robots | |
CN105654479A (zh) | 多光谱图像配准方法和装置 | |
Zhang et al. | View independent object classification by exploring scene consistency information for traffic scene surveillance | |
CN103336964A (zh) | 一种基于模值差镜像不变性的sift图像匹配方法 | |
Xu et al. | Invariant multi-scale shape descriptor for object matching and recognition | |
Dong et al. | Superpixel-based local features for image matching | |
Xing et al. | Dynamic hand gesture recognition using motion pattern and shape descriptors | |
Zhou et al. | SLAM-based 3D line reconstruction | |
Chen et al. | Extracting and matching lines of low-textured region in close-range navigation for tethered space robot |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150826 |