基于顏色和SURF特征的混合匹配算法研究

李恒年,鄧計(jì)才,王招娣

(鄭州大學(xué) 信息工程學(xué)院,河南 鄭州 450001)

基于顏色和SURF特征的混合匹配算法研究

李恒年,鄧計(jì)才,王招娣

(鄭州大學(xué) 信息工程學(xué)院,河南 鄭州 450001)

針對(duì)傳統(tǒng)的SURF算法未使用圖像的顏色信息,提出了一種基于顏色信息和SURF特征相結(jié)合的混合圖像匹配算法,算法通過提取目標(biāo)圖像的顏色信息,從源圖像中定位出一個(gè)區(qū)域,該區(qū)域就是目標(biāo)圖像在源圖像中的模糊位置,然后以該區(qū)域作為感興趣區(qū)域,使用SURF匹配算法實(shí)現(xiàn)圖像的精確匹配。算法通過顏色信息對(duì)待匹配目標(biāo)預(yù)先進(jìn)行粗定位,減少了圖像匹配過程中提取源圖像SURF特征的數(shù)量,從而減少了匹配時(shí)間。仿真實(shí)驗(yàn)結(jié)果表明,匹配效率明顯提高,實(shí)時(shí)性較好。

顏色；SURF特征；匹配區(qū)域；圖像匹配

圖像匹配是以已知目標(biāo)圖像為模板,在其他圖像上找空間上相同的場景的過程,圖像匹配算法的可靠性和實(shí)時(shí)性以及定位精度是衡量匹配算法的主要性能指標(biāo)。目前常用的圖像匹配算法主要分為基于像素信息的匹配算法以及基于特征信息的匹配算法［1-2］。

基于像素的圖像匹配法是最早發(fā)展起來的匹配算法,由于對(duì)整幅圖像的灰度值進(jìn)行處理,所以運(yùn)算復(fù)雜,匹配效率較低。其原理是分別統(tǒng)計(jì)源圖像和目標(biāo)圖像各點(diǎn)的灰度值,通過某種相似原則進(jìn)行匹配,獲得最佳匹配點(diǎn)。該算法由于是基于圖像各點(diǎn)像素值的匹配算法,所以對(duì)其圖像的質(zhì)量要要求較高,圖像的噪聲對(duì)該匹配算法的穩(wěn)定性影響較大。另一個(gè)關(guān)鍵因素就是相似度量函數(shù)的選取,其直接影響匹配的穩(wěn)定性和可靠性,其常見的相似度量算法有:歸一化積相關(guān)匹配算法（NPROD）［3］、序列相似性匹配算法（SSDA）［4］、二維投影匹配算法、傅里葉分析法等。

基于特征信息的匹配算法是近年來較為熱門的算法,它主要是通過提取圖像中獨(dú)特的特征來代表整幅圖像,這樣可以減小運(yùn)算量,并且減少了噪聲對(duì)匹配結(jié)果的影響,具有較強(qiáng)的穩(wěn)定性。該算法中,常用的特征有骨架特征［5］、輪廓特征［6］、角點(diǎn)［7］、邊緣點(diǎn)等明顯獨(dú)特的特征。最早的特征匹配算法主要采用圖像的全局特征,匹配精度較低。隨著算法的發(fā)展,現(xiàn)在常用的特征匹配算法有Harris角點(diǎn)檢測算法［8］、SIFT（Scaleinvariant feature transform）算法［9］、SURF（Speeded Up Robust Features）算法［10］等。

在現(xiàn)階段的匹配算法中,SURF算法屬于較為熱門的匹配算法之一,但其算法未考慮圖像的顏色的信息,如果在圖像匹配中加入顏色信息,那么將會(huì)大大提高圖像匹配的效率。

1 基于顏色的目標(biāo)預(yù)定位

1.1 顏色空間

顏色空間［11］是指一種圖像顏色信息表示的方法,它將顏色特征用數(shù)學(xué)表達(dá)式來表示,便于對(duì)圖像顏色信息的顯示及處理。常用的顏色空間模型有RGB空間、HSV空間、YUV空間、CMY空間等。在HSV空間模型中,H表示圖像的顏色,S表示圖像的飽和度,V表示圖像的亮度,其顏色模型如圖1所示。

通常情況下,彩色圖像的顯示使用RGB顏色模型,但是在圖像處理過程中,RGB顏色模型下不容易對(duì)其進(jìn)行顏色特征的處理,其顏色信息沒有明顯的規(guī)律可言,很難提取圖像的顏色特征；而在HSV顏色模型下,顏色特征更容易提取,并且可以剔除亮度對(duì)圖像的影響。RGB空間轉(zhuǎn)換HSV空間的公式如下。

圖1 HSV顏色模型Fig.1 HSV color model

1.2 基于HSV顏色空間的目標(biāo)定位

該算法首先需要提取目標(biāo)圖像的顏色信息,通過這個(gè)顏色信息在源圖像中尋找與該顏色相同或相近的區(qū)域,然后把此區(qū)域作為目標(biāo)的匹配區(qū)域。本文通過對(duì)目標(biāo)圖像的顏色信息進(jìn)行統(tǒng)計(jì),取用目標(biāo)圖像出現(xiàn)最多的顏色作為目標(biāo)圖像的顏色信息,進(jìn)行目標(biāo)區(qū)域定位。

由于一般的彩色圖像都是RGB空間模型的圖像,因此首先把目標(biāo)圖像從RGB空間轉(zhuǎn)化到HSV空間,然后對(duì)目標(biāo)圖像作顏色直方圖［12］統(tǒng)計(jì),根據(jù)統(tǒng)計(jì)結(jié)果得到一顏色值（該顏色值為目標(biāo)圖像中出現(xiàn)次數(shù)最多的）；把這個(gè)顏色值作為參數(shù)對(duì)源圖像進(jìn)行二值化。二值化是對(duì)源圖像3個(gè)通道的分量分別進(jìn)行某一范圍灰度值的檢測,把灰度值在這一范圍內(nèi)的區(qū)域設(shè)為白色,其他區(qū)域設(shè)為黑色。本文實(shí)驗(yàn)所使用的源圖像如圖2所示,其中左邊的動(dòng)物作為匹配的目標(biāo)所得的結(jié)果如圖3所示。

圖2 源圖像Fig.2 The source image

圖3 實(shí)驗(yàn)結(jié)果Fig.3 The experimental results

對(duì)源圖像二值化后,圖像會(huì)出現(xiàn)一些噪點(diǎn),容易對(duì)下一步確定白色區(qū)域位置產(chǎn)生影響,所以本文采用了形態(tài)學(xué)的腐蝕和膨脹處理,消除單個(gè)白色噪聲點(diǎn)。形態(tài)學(xué)圖像處理是在圖像中移動(dòng)一個(gè)結(jié)構(gòu)元素,然后將結(jié)構(gòu)元素與下面的二值圖像進(jìn)行交、并等集合運(yùn)算；先腐蝕后膨脹的過程稱為開運(yùn)算。它具有消除細(xì)小物體,在纖細(xì)處分離物體和平滑較大物體邊界的作用。對(duì)圖像進(jìn)行開運(yùn)算,可以有效的消除噪聲點(diǎn)；最后通過對(duì)源圖像進(jìn)行逐個(gè)像素點(diǎn)的遍歷,找到白色區(qū)域的中心位置坐標(biāo),進(jìn)行目標(biāo)區(qū)域定位。目標(biāo)區(qū)域定位由兩個(gè)因素決定,一是目標(biāo)區(qū)域必須覆蓋所有白色區(qū)域,二是目標(biāo)區(qū)域必須大于目標(biāo)圖像尺寸。

2 基于顏色和SURF的匹配算法

2.1 SURF算法

SURF算法［10］是一種穩(wěn)健的局部特征點(diǎn)描述算法,它是在SIFT描述子的基礎(chǔ)上改進(jìn)而提出來的,由于SIFT算法獲取的特征點(diǎn)數(shù)量太大,使得算法計(jì)算復(fù)雜度高,后來Bay［10］等人又做了新的改進(jìn),通過對(duì)SIFT描述子降維處理及引入了積分圖像、箱式濾波器、和高速Hessian矩陣檢測特征值等概念,提出了SURF算法,該算法對(duì)圖像的旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性,對(duì)視角變化、仿射變換及噪聲也保持一定程度的穩(wěn)定性。基于SURF特征點(diǎn)的圖像匹配算法一般流程如圖4所示。

圖4 SURF算法流程圖Fig.4 The flow diagram of SURF algorithm

2.2 基于顏色信息的匹配算法改進(jìn)

SURF算法是對(duì)整幅源圖像進(jìn)行特征點(diǎn)檢測并提取,而實(shí)際上,該方法提取的特征點(diǎn)是冗余的,這樣導(dǎo)致了運(yùn)算量的浪費(fèi),從而增加了特征點(diǎn)提取與匹配所需的時(shí)間。本文提出了一種基于顏色信息的改進(jìn)算法,該算法通過顏色信息進(jìn)行預(yù)定位的方法可以有效地減少提取特征點(diǎn)的數(shù)量。該算法實(shí)現(xiàn)流程圖如圖5所示。

3 算法實(shí)驗(yàn)結(jié)果及分析

本文仿真實(shí)驗(yàn)使用vs2008平臺(tái)與opencv2.3.1計(jì)算機(jī)視覺函數(shù)庫結(jié)合并由C++代碼編程實(shí)現(xiàn)。為測試本文匹配算法的性能指標(biāo)（匹配精度和匹配效率）,實(shí)驗(yàn)對(duì)不同圖像分別進(jìn)行匹配精度和匹配時(shí)間的測試。根據(jù)仿真實(shí)驗(yàn)得到實(shí)驗(yàn)結(jié)果圖6及匹配時(shí)間表1。圖6中較大方框是通過提取目標(biāo)圖像顏色信息而確定的目標(biāo)模糊位置,從不同圖像的實(shí)驗(yàn)

圖5 改進(jìn)算法流程圖Fig.5 The flow diagram of improved SURF algorithm

結(jié)果可以看出,該方框大小不一,此區(qū)域的大小依賴于圖像顏色信息復(fù)雜程度,顏色信息單一,區(qū)域會(huì)很小,顏色信息多樣,區(qū)域就會(huì)較大；并且,該方框都能正確標(biāo)定出目標(biāo)的位置,可以保證圖像匹配的正確性。圖中較小方框表示在預(yù)定位區(qū)域內(nèi)使用SURF算法進(jìn)行匹配的精確定位結(jié)果。對(duì)于形狀相似,顏色不同的目標(biāo),算法可以在一定程度上減小誤配率。表1顯示分別使用本文的改進(jìn)算法和單一的SURF算法進(jìn)行實(shí)驗(yàn)所需匹配時(shí)間,從整體來看,本文算法較單一SURF算法在匹配效率上有很大提高；結(jié)合圖6所示結(jié)果,匹配時(shí)間與基于顏色預(yù)定位的區(qū)域大小直接相關(guān),也就是說本文匹配算法的實(shí)時(shí)性能依賴于顏色信息的復(fù)雜程度,但較于單一的SURF算法,本文算法實(shí)時(shí)性有所提高。

圖6 改進(jìn)算法仿真實(shí)驗(yàn)結(jié)果Fig.6 Improved algorithm experimental results

表1 匹配時(shí)間對(duì)比Tab.1 The matching time contrast

4 結(jié)束語

文中提出了一種基于顏色信息和SURF特征相結(jié)合的圖像匹配算法,該算法通過目標(biāo)的顏色信息進(jìn)行預(yù)定位,確定了目標(biāo)在源圖像中的模糊區(qū)域；在此范圍內(nèi)進(jìn)行SURF特征提取與特征匹配,這樣可以減少提取SURF特征點(diǎn)的數(shù)量,從而提高匹配效率。通過實(shí)驗(yàn)結(jié)果分析得出,該算法縮短了匹配時(shí)間,但是算法只是提取單一的顏色信息,提高匹配速率的同時(shí),也存在了一定的局限性。匹配效率的提高幅度依賴于圖像中顏色信息的復(fù)雜程度。此算法也可用于視頻目標(biāo)的跟蹤,顏色信息可以通過手動(dòng)選取,實(shí)時(shí)性更好。

［1］Barbara Zitova.Jan Flusser.Image registration methods:a survey［J］.Image and Vision Computing,2003,21(11):977-1000.

［2］NI Guo-qiang,LIU Qiong.Analysis and prospect of multisource image registration techniques［J］.Opto-Electronic Engineering,2004,31(9):1-6.

［3］Brown L.G A survey of image registration techniques［J］.ACM Computing Surveys,1992,24(4):325-376.

［4］Barnea,Daniel I.A class of algorithm for fast digital image registration［J］.IEEE Trans Compute,1972,C-21(2):176-186.

［5］HU Tao,GUO Bao-ping.Contour feature based on image registration［J］.Opto-Electronic,2009(11):118-122.

［6］史思琦.基于輪廓特征的目標(biāo)識(shí)別研究［D］.西安:西安電子科技大學(xué),2012.

［7］Jian J,Bo L.An effective method for corner detection: Control,Automation and Systems (ICCAS),2013 13th International Conference on,Gwangju,2013:20-23.

［8］Zhiyong Y,Yijian P,Jihong S.An Adaptive Algorithm for Harris Corner Detection:Computational Intelligence and Software Engineering［C］//2009.CiSE 2009.International Conference on,Wuhan,2009:11-13.

［9］Lowe D G.Distinctive image features from scale-invariant ieypoints［J］.International Journal of Computer Vision,2004, 60(2):91-110.

［10］Bay H,Ess A,Tuytelaars T,et al.Speeded up robust features［J］.Computer Vision and Image Understanding,2008, 110(3):346-359.

［11］Lissner I,Urban P.Toward a unified color space for perception-Based Image Processing［J］.Image Processing, IEEE Transactions on,2012,21(3):1153-1168.

［12］HUANG Wen-bei,HE Liang,GU Jun-zhong.Content-based image retrieval using color histogram［J］.Journal of DongHua University,2006(4):98-102.

The research of matching algorithm based on color and SURF features

LI Heng-nian,DENG Ji-cai,WANG Zhao-di
（School of Information Engineering,Zhengzhou University,Zhengzhou 450001,China）

Considering the traditional SURF algorithm without color information.This paper presents an image matching algorithm based on a combination of color and SURF features.The algorithm can determine an area of the source image by extracting the color information from the target image.The target must be in this area of source image.Then We can use SURF matching algorithm for image matching in this area.The size of matching region will be reduced.The time of image matching will be reduced according to the experiment.

color；SURF features；matching region；image matching

TN911.73

：A

：1674-6236（2015）18-0077-03

2014-12-23稿件編號(hào)：201412217

李恒年(1989—),男,河南南陽人,碩士研究生。研究方向:圖像處理,嵌入式系統(tǒng)。