CN107944455B - 一种基于surf的图像匹配方法 - Google Patents

一种基于surf的图像匹配方法 Download PDF

Info

Publication number
CN107944455B
CN107944455B CN201711129595.0A CN201711129595A CN107944455B CN 107944455 B CN107944455 B CN 107944455B CN 201711129595 A CN201711129595 A CN 201711129595A CN 107944455 B CN107944455 B CN 107944455B
Authority
CN
China
Prior art keywords
matching
point
points
image
pairs
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.)
Expired - Fee Related
Application number
CN201711129595.0A
Other languages
English (en)
Other versions
CN107944455A (zh
Inventor
肖夏
张力天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201711129595.0A priority Critical patent/CN107944455B/zh
Publication of CN107944455A publication Critical patent/CN107944455A/zh
Application granted granted Critical
Publication of CN107944455B publication Critical patent/CN107944455B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于SURF的图像匹配方法，包括：用Harris算法对参考图像与待匹配图像进行角点检测，用SURF算法对参考图像与待匹配图像进行特征点检测；将检测得到的角点与特征点合并，形成新的特征点点集；使用最近邻匹配法对上一步得到的特征点点集进行特征点粗匹配，得到粗匹配点；精匹配；当满足终止条件即最大内点比例超过设置的阈值T时，根据所对应的基础矩阵剔除误差较大的匹配点对；完成整个图像匹配。

Description

一种基于SURF的图像匹配方法
技术领域
本发明属于数字图像处理技术，涉及一种图像匹配方法。
背景技术
图像匹配是数字图像处理中一项关键的技术。随着计算机科学的不断普及，近年来，图像匹配技术也在快速的发展，目前图像匹配技术在许多领域都有着广泛的应用，包括导弹的地形和地图匹配，飞机导航，光学和雷达的图像模板跟踪，工业领域，医学领域，文字识别，航空航天，医疗保健，交通运输等等，与人们的生活息息相关，因此在现代信息社会中，无论在理论方面还是实践方面，数字图像匹配技术的研究都存在巨大的发展前景。图像匹配方法主要分为基于灰度匹配方法和基于特征的匹配方法。其中，在基于特征的匹配方法中，SURF算法由于其实时性好、鲁棒性强在图像匹配中占有重要地位。但是，此类方法在特征点检测方面存在缺陷，需要不断的改进，所以基于SURF的图像匹配技术一直是人们研究的热点。在角点检测方面，Harris算法有着更好的稳定性，但是在亮度、噪声和尺度变化下，Harris算法表现不敏感。SURF算法有着很好的抗亮度、噪声和尺度变化的特性，但稳定性有所欠缺。
发明内容
本发明的目的是提供一种基于SURF的改进的图像匹配算法，将Harris算法与SURF算法相结合，充分利用两种算法的优势，同时加入误匹配剔除算法，剔除误匹配点，对图像进行精匹配，从而提高匹配算法的性能。技术方案如下：
一种基于SURF的图像匹配方法，包括下列步骤：
(1)用Harris算法对参考图像与待匹配图像进行角点检测，用SURF算法对参考图像与待匹配图像进行特征点检测；
(2)将检测得到的角点与特征点合并，形成新的特征点点集；
(3)使用最近邻匹配法对上一步得到的特征点点集进行特征点粗匹配，得到粗匹配点；
(4)精匹配：在得到的粗匹配点对中进行随机取样，设取样次数为t，根据取样次数t确定一组新的点集，设该点集共有n对匹配点对，8＜n≤t，从前n-1个匹配点对中抽取7组匹配点对数据和第n个匹配点对数据组成一个样本；设m和m'是一组匹配点对，利用归一化8点法计算求得每组匹配点对m和m'的基础矩阵F，其中基础矩阵是满足m'TFm＝0的矩阵；
(5)对每个基础矩阵F，计算每对匹配点到极线距离的平方和，记为d，其中极线是在步骤(4)根据取样次数t得到的点集中任取两点得到的直线，将符合d<T的匹配点对作为内点，统计内点的个数，其中T为预设阈值；
(6)重复步骤4～5，当满足终止条件即最大内点比例超过设置的阈值S时，根据所对应的基础矩阵剔除误差较大的匹配点对。
(7)完成整个图像匹配。
附图说明
图1经典SURF匹配结果
图2经典SURF匹配结果
具体实施方式
本发明的具体步骤为：
(1)用Harris算法对参考图像与待匹配图像进行角点检测，用SURF算法对参考图像与待匹配图像进行特征点检测；
(2)将检测得到的角点与特征点合并，形成新的特征点点集；
(3)使用最近邻匹配法对上一步得到的特征点点集进行特征点粗匹配，得到粗匹配点；
(4)在粗匹配之后，下面开始精匹配。在得到的粗匹配点对中进行随机取样，设取样次数为t，根据取样次数t确定一组新的点集，该点集共有n对匹配点对(8＜n≤t)，从前n-1个匹配点对中抽取7组匹配点对数据和第n个匹配点对数据组成一个样本。若m和m'是一组匹配点对，利用经典的归一化8点法计算求得该样本中每组匹配点对m和m'的基础矩阵F，其中基础矩阵是满足m'TFm＝0的矩阵；
(5)对每个基础矩阵F，计算每对匹配点到极线距离的平方和，记为d。其中极线是在步骤(4)根据取样次数t得到的点集中任取两点得到的直线，将符合d<T的匹配点对作为内点，统计内点的个数，其中T为事先设定的阈值；
(6)重复步骤4～5，当满足终止条件即最大内点比例超过设置的阈值S时，程序终止，结束程序，根据所对应的基础矩阵剔除误差较大的匹配点对。
(7)剔除误匹配点之后，完成精匹配步骤，至此完成整个图像匹配过程。
本发明提出的基于SURF的图像匹配方法，提高了特征点检测数量与算法稳定性，通过提出误匹配点提升了匹配的精度。提高特征点检测数量：在SURF算法中引入Harris角点检测，提升了特征点检测范围，使检测到的特征点范围更大。提高了匹配精度：在完成粗匹配之后引入误匹配剔除算法，剔除了粗匹配阶段的误匹配点对。算法不仅匹配精度高，而且计算量小，匹配时间短，匹配速度快，与传统的SURF匹配方法相比，在速度几乎保持不变的情况下，检测到的特征点数量大幅度提升，提高了约100倍，算法具有良好的实际应用价值。

Claims (1)

1.一种基于SURF的图像匹配方法，包括下列步骤：
(1)用Harris算法对参考图像与待匹配图像进行角点检测，用SURF算法对参考图像与待匹配图像进行特征点检测；
(2)将检测得到的角点与特征点合并，形成新的特征点点集；
(3)使用最近邻匹配法对上一步得到的特征点点集进行特征点粗匹配，得到粗匹配点对；
(4)精匹配：在得到的粗匹配点对中进行随机取样，设取样次数为t，根据取样次数t确定一组新的点集，设该点集共有n对匹配点对，8＜n≤t，从前n-1个匹配点对中抽取7组匹配点对数据和第n个匹配点对数据组成一个样本；设m和m′是一组匹配点对，利用归一化8点法计算求得每组匹配点对m和m′的基础矩阵F，其中基础矩阵是满足mTFm＝0的矩阵；
(5)对每个基础矩阵F，计算每对匹配点到极线距离的平方和，记为d，其中极线是在步骤(4)根据取样次数t得到的点集中任取两点得到的直线，将符合d＜T的匹配点对作为内点，统计内点的个数，其中T为预设阈值；
(6)重复步骤(4)～(5)，当满足终止条件即最大内点比例超过设置的阈值S时，根据所对应的基础矩阵剔除误差较大的匹配点对；
(7)完成整个图像匹配。
CN201711129595.0A 2017-11-15 2017-11-15 一种基于surf的图像匹配方法 Expired - Fee Related CN107944455B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711129595.0A CN107944455B (zh) 2017-11-15 2017-11-15 一种基于surf的图像匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711129595.0A CN107944455B (zh) 2017-11-15 2017-11-15 一种基于surf的图像匹配方法

Publications (2)

Publication Number Publication Date
CN107944455A CN107944455A (zh) 2018-04-20
CN107944455B true CN107944455B (zh) 2020-06-02

Family

ID=61931155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711129595.0A Expired - Fee Related CN107944455B (zh) 2017-11-15 2017-11-15 一种基于surf的图像匹配方法

Country Status (1)

Country Link
CN (1) CN107944455B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236798A (zh) * 2011-08-01 2011-11-09 清华大学 一种图像匹配方法及其装置
CN103136751A (zh) * 2013-02-05 2013-06-05 电子科技大学 一种改进型sift图像特征匹配算法
KR20160057024A (ko) * 2014-11-12 2016-05-23 한국전기연구원 마커리스 ３차원 객체추적 장치 및 그 방법
CN106372598A (zh) * 2016-08-31 2017-02-01 广州精点计算机科技有限公司 一种基于图像特征检测的消除视频旋转和抖动的稳像方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102722731A (zh) * 2012-05-28 2012-10-10 南京航空航天大学 一种基于改进sift算法的高效图像匹配方法
KR101747220B1 (ko) * 2012-08-30 2017-06-15 한화테크윈 주식회사 이미지 피라미드의 적응적 이미지 처리 장치 및 방법
CN103824278B (zh) * 2013-12-10 2016-09-21 清华大学 监控摄像机的标定方法和系统
US9560273B2 (en) * 2014-02-21 2017-01-31 Apple Inc. Wearable information system having at least one camera
CN104036480B (zh) * 2014-06-20 2017-03-08 天津大学 基于surf算法的快速消除误匹配点方法
CN106529591A (zh) * 2016-11-07 2017-03-22 湖南源信光电科技有限公司 一种基于改进的mser图像匹配算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236798A (zh) * 2011-08-01 2011-11-09 清华大学 一种图像匹配方法及其装置
CN103136751A (zh) * 2013-02-05 2013-06-05 电子科技大学 一种改进型sift图像特征匹配算法
KR20160057024A (ko) * 2014-11-12 2016-05-23 한국전기연구원 마커리스 ３차원 객체추적 장치 및 그 방법
CN106372598A (zh) * 2016-08-31 2017-02-01 广州精点计算机科技有限公司 一种基于图像特征检测的消除视频旋转和抖动的稳像方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SAR image matching based on speeded up robust feature;Ruihua Liu;《Global Congress on Intelligent Systems》;20091231 *
基于SURF和灰度投影的快速图像匹配算法研究;赵玉茹;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150515(第05期) *

Also Published As

Publication number Publication date
CN107944455A (zh) 2018-04-20

Similar Documents

Publication Publication Date Title
CN110097093B (zh) 一种异源图像精确匹配方法
CN110070066B (zh) 一种基于姿态关键帧的视频行人重识别方法及系统
CN110175615B (zh) 模型训练方法、域自适应的视觉位置识别方法及装置
CN110148117B (zh) 基于电力图像的电力设备缺陷识别方法、装置与存储介质
CN105808709A (zh) 人脸识别快速检索方法及装置
CN108960342B (zh) 基于改进Soft-Max损失函数的图像相似度计算方法
CN113177518A (zh) 一种利用弱监督区域推荐的车辆重识别方法
CN110188225A (zh) 一种基于排序学习和多元损失的图像检索方法
CN110490915B (zh) 一种基于卷积受限玻尔兹曼机的点云配准方法
CN112084895B (zh) 一种基于深度学习的行人重识别方法
CN111524117A (zh) 一种基于特征金字塔网络的隧道表面缺陷检测方法
CN114332510A (zh) 一种层次化的图像匹配方法
CN112215079B (zh) 一种全局多阶段目标跟踪方法
CN102208033A (zh) 基于数据聚类的鲁棒sift特征匹配方法
CN110569764B (zh) 一种基于卷积神经网络的手机型号识别方法
CN110619280B (zh) 一种基于深度联合判别学习的车辆重识别方法及装置
CN110246165B (zh) 提高可见光图像与sar图像配准速度的方法及系统
CN109241315B (zh) 一种基于深度学习的快速人脸检索方法
CN117853533A (zh) 基于多级特征融合的三维点云视觉跟踪方法及系统
CN107944455B (zh) 一种基于surf的图像匹配方法
CN117495891A (zh) 点云边缘检测方法、装置和电子设备
Bai et al. Author recognition of Fine-Art paintings
CN111652308B (zh) 基于超轻量级全卷积神经网络的花卉识别方法
CN114782754A (zh) 一种基于轻量化卷积神经网络的混凝土裂缝检测方法及装置
CN113989567A (zh) 垃圾图片分类方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200602

CF01 Termination of patent right due to non-payment of annual fee