基于圖像特征提取和特征點描述的匹配方法的研究

王中杰

（山西大學電子信息工程系，山西太原030013）

基于圖像特征提取和特征點描述的匹配方法的研究

王中杰

（山西大學電子信息工程系，山西太原030013）

基于特征提取的圖像匹配技術(shù)的基本思路是在圖像中提取能夠包含圖像有效信息的特征，然后對這些特征進行描述，且要求該過程對圖像的視角變化、灰度變化、旋轉(zhuǎn)變化、噪聲及其它因素具有一定的魯棒性，最后通過特定的相似性度量準則對特征描述子進行匹配。本文總結(jié)了前人的研究成果，深入研究了各種特征提取及特征點描述算法，在此基礎上本文提出了一種新的圖像匹配算法，運用角點檢測來實現(xiàn)圖像特征的提取，實現(xiàn)了基于圖像匹配技術(shù)的實時電子穩(wěn)像算法。

圖像特征；匹配算法；角點檢測；噪聲

在計算機視覺和圖像處理領(lǐng)域，圖像匹配是一個重要技術(shù)。其方法基本思想就是將不同拍攝設備獲取的感官上具有某種特定差異（比如視角、光照等差異）的幾幅圖像進行匹配，最終建立圖像之間的坐標映射關(guān)系，并確定圖像之間的幾何變換模型參數(shù)，用以糾正圖像的畸變。許多圖像領(lǐng)域的相關(guān)技術(shù)都與圖像匹配具有十分緊密的聯(lián)系，比如圖像去噪、圖像多尺度理論、圖像插值等都是該技術(shù)使用的基本圖像理論。圖像匹配技術(shù)不僅與多維信號處理、數(shù)值分析及計算機視覺技術(shù)息息相關(guān)，而且可以作為圖像高層語義理解、圖像分析及圖像識別等相關(guān)領(lǐng)域有效的理論工具。

現(xiàn)代應用會朝著具有更復雜的應用場景和更便攜的應用設備的方向發(fā)展，這促進具有更高性能的圖像匹配技術(shù)的出現(xiàn)。當今計算機處理能力不斷提高，硬件設備的價格不斷下降，而且數(shù)字化理論快速發(fā)展，這些因素的存在進一步推動了高精度、高速度且穩(wěn)健的圖像匹配技術(shù)可以實時應用于各種領(lǐng)域的進展。無論如何，研究出具有高精準度、快速而且很強魯棒性的圖像匹配技術(shù)，勢必推動著圖像處理理論層面達到一種新的高度，并且在應用領(lǐng)域不僅可以拓寬應用范圍，而且可以提高應用價值［1］。因此，圖像匹配理論的突破，會進一步推動它各方面應用的發(fā)展，所以對該領(lǐng)域的研究具有深遠的意義。

1　圖像預處理

無論是日常數(shù)碼相機拍攝的普通影像還是衛(wèi)星拍攝的遙感圖像，由于拍攝環(huán)境中難免存在光照變化及目標重疊等現(xiàn)象，以及設備傳感器的差異，使得采集的圖像往往伴隨著各種各樣的噪聲，而且有時會出現(xiàn)對比度不夠突出的現(xiàn)象。這導致這些圖像不能直接用來進行圖像匹配，因為圖像之間由于采集而引起的差別會較大的干擾后續(xù)的匹配工作。所以在獲取采集的圖像之后，一般要對之進行相應的預處理，使圖像盡可能的作為用于匹配的理想圖像。

2　角點檢測算法

基于特征點的圖像匹配算法，一般先從圖像中提取出相應的特征點集，然后計算這些特征點的描述子，最后通過特定的匹配準則進行特征匹配。如果正確匹配的特征點對占所有特征點的比例高于一定的閾值，便能根據(jù)相應的提純?yōu)V波算法，比如LMS、RANSAC得到正確匹配的特征點對，從而有效地估算出基準圖像和待匹配圖像之間幾何變換模型的參數(shù)值［2］。

角點檢測是一種常見的特征點檢測算法，包括Harris角點、SUSAN角點和FAST角點檢測等。在上述角點檢測的基礎上加上圖像尺度空間理論，就能使檢測的角點對尺度變換具有良好的不變性。圖1是角點提取結(jié)果圖。

圖1　角點提取結(jié)果Fig.1The diagram of corner detection

Harris角點能有效的提取角點特征，它的主要優(yōu)點有：1）求二階矩M的時候需要使用灰度差分計算，簡單易操作；2）對像素點的角點響應值在鄰域內(nèi)進行非極大值抑制，只提取具有極大響應值的點作為輸出角點，這樣提取的點均勻而合理；3）提取的特征角點對噪聲影響以及圖像旋轉(zhuǎn)、灰度變化很穩(wěn)定。但是Harris角點有一個明顯的缺點，即它對尺度變化很敏感。

3　去除誤匹配方法

在獲取了基準圖像和待匹配圖像的特征描述符后，需要根據(jù)某種相似性度量函數(shù)對特征進行匹配。常見的相似性度量一般建立在距離函數(shù)的基礎上，比如歐氏距離、Hausdorff距離、漢明距離等［3］。一般情況下，使用相似性度量函數(shù)不能將所有的特征均正確匹配，匹配的特征點對之間難免會存在錯誤匹配的現(xiàn)象，而錯誤的匹配會極大地降低基準圖像和待匹配圖像之間單應性矩陣的精度。因此，在使用相似性度量函數(shù)對使用圖像匹配算法完成初始匹配后，還需要進一步剔除錯誤的匹配［4-5］。

RANSAC算法能高效排除異常數(shù)據(jù)的干擾，大大提高了模型參數(shù)的穩(wěn)健性，從而廣泛應用與各個領(lǐng)域。圖像匹配過程中難免會存在錯誤的匹配，當所得到的匹配點對中存在不高于一定比例的錯誤匹配時，使用RANSAC算法［6］可以有效的去除錯誤匹配，從而通過正確匹配的點對得到最優(yōu)的單應性矩陣參數(shù)。

4　改進算法

文中結(jié)合了Harris算子給出的描述像素鄰域內(nèi)梯度分布的二階矩M的思想，其中Harris角點響應函數(shù)定義為：Cornerness=Det（M）-k（Trace（M））2。通過求取FAST角點的Harris響應值大小，結(jié)合圓形模板去除分布密集現(xiàn)象，同時有效的剔除不穩(wěn)定的邊緣響應點，進而加強后續(xù)匹配的穩(wěn)健性。

圖2給出了FAST算子和本文提出的改進FAST角點提取的對比圖：

圖2　FAST角點檢測和改進FAST角點檢測結(jié)果的對比圖Fig.2Comparison of corner detection result between FAST and improved algorithm

改進的FAST角點檢測由于消除了分布聚簇現(xiàn)象，而且剔除了不穩(wěn)定邊緣點，相對于FAST角點［7］來說，它對包括噪聲、光照、旋轉(zhuǎn)及視角各種變化的整體匹配率有所提高，可以進一步加強后續(xù)匹配的魯棒性。

利用Kalman濾波算法［8］可以有效的平滑運動矢量的高頻隨機抖動，正確預測攝像機的掃描運動。對組圖像序列的仿真結(jié)果如圖3所示。細曲線表示初始運動矢量，包括主動運動矢量和隨機抖動分量，粗曲線表示經(jīng)Kalman濾波得到的主動運動矢量，兩者相減就得到了用于運動補償?shù)碾S機抖動分量。

圖3　運動矢量的測量和濾波的仿真結(jié)果Fig.3The result of motion vector simulation

5　結(jié)論

不同的應用領(lǐng)域?qū)τ趫D像匹配的要求也各不相同，目前還不存在一套普遍使用的技術(shù)理論框架，也只有在實際特定的應用環(huán)境中才能對圖像匹配的效果進行研究和探討。選取能夠描述常見抖動現(xiàn)象的Similarity模型。在此基礎上使用本文圖像匹配算法進行相鄰兩幀的匹配，通過Ransac算法剔除錯誤匹配，然后根據(jù)正確的匹配點對獲取幀間全局運動矢量。由于該矢量不僅包含隨機抖動分量，而且包含攝像機主動掃描分量，所以接著使用Kalman濾波的運動補償技術(shù)，可以去除隨機抖動的同時保留了圖像的真參考文獻：

實運動。

［1］宋利，周源華，周軍.Robustvideostabilizationbasedonmotion vectors［J］.Journal of Shanghai University，2005（1）：34-38.

［2］陽方林，楊風暴，韋全芳，等.一種新的快速圖像匹配算法［J］.計算機工程與應用，2005（5）：22-29.

［3］王慧燕，程翼宇.基于信息測度特征和Hausdorff距離的圖像匹配策略［J］.中國圖象圖形學報，2004（11）：55-57.

［4］舒麗霞，周成平，彭曉明，等.基于Hausdorff距離圖象配準方法研究［J］.中國圖象圖形學報，2003（12）：5-19.

［5］饒軍平.自動人臉識別關(guān)鍵算法研究與實現(xiàn)［D］.武漢：華中科技大學，2013.

［6］張逸成.低分辨率交通視頻中運動物體識別算法研究［D］.合肥：中國科學技術(shù)大學，2014.

［7］王林.頭部可運動的頭戴式視線跟蹤系統(tǒng)關(guān)鍵技術(shù)研究［D］.合肥：中國科學技術(shù)大學，2014.

［8］王鵬.圖像檢索中分布式哈希索引技術(shù)研究［D］.合肥：中國科學技術(shù)大學，2014.

The research of matching method based on image feature extraction and description of feature points

WANG Zhong-jie
（Department of Electronic Information Engineering，Taiyuan 030013，China）

The basic idea of the extracted image feature matching technique is to extract features in the image can contain valid image information，and these features will be described，and the requirements of this process on the viewing angle of the image，scale variation，rotation change，noise and other factors have a certain robustness，and finally through a particular similarity measure to match the feature descriptors.This paper summarizes the results of previous studies，in-depth study of the various features and feature point extraction algorithm is described，on this basis，this paper proposes a new image matching algorithm，and implemented based on real-time electronic image stabilization algorithm for image matching technology.

image feature；matching algorithm；corner detection；noise

TN911.73

A

1674－6236（2015）24-0173-02

2015-02-11稿件編號：201502099

王中杰（1973—），女，山西太原人，碩士研究生，講師。研究方向：無線通信、圖像處理等。