一種基于顯著性區(qū)域檢測的特征匹配算法

康 璐，趙汝進(jìn)，任國強(qiáng)，洪裕珍

（1.中國科學(xué)院光電技術(shù)研究所 四川 成都610209；2.中國科學(xué)院大學(xué) 北京100149）

一種基于顯著性區(qū)域檢測的特征匹配算法

康 璐1，2，趙汝進(jìn)1，任國強(qiáng)1，洪裕珍1，2

（1.中國科學(xué)院光電技術(shù)研究所 四川 成都610209；2.中國科學(xué)院大學(xué) 北京100149）

針對傳統(tǒng)特征匹配算法在實(shí)際的應(yīng)用中存在搜索范圍廣、無關(guān)特征點(diǎn)多等問題，提出一種基于顯著性區(qū)域檢測特征匹配方法。首先利用顯著性區(qū)域檢測算法濾除圖像中的背景，獲取圖像顯著性區(qū)域；在此基礎(chǔ)上利用SURF（Speed-up robust features，SURF）算法在顯著區(qū)域內(nèi)進(jìn)行特征匹配；最后利用RANSAC（Random Sample Consensus，RANSAC）算法剔除誤匹配，以匹配準(zhǔn)確性。仿真驗(yàn)證試驗(yàn)中，圖像特征匹配準(zhǔn)確度平均提高7%左右，試驗(yàn)結(jié)果表明：基于顯著性區(qū)域檢測的特征匹配算法，能有效地降低圖像背景對圖像匹配的干擾，提高匹配的精度。

圖像匹配；顯著性區(qū)域檢測；加速魯棒特征；RANSAC

上世紀(jì)70年代，Moravec提出基于圖像灰度自相關(guān)函數(shù)的特征點(diǎn)檢測算子。針對Moravec算子對圖像旋轉(zhuǎn)等因素非常敏感的問題，Harris等人在Moravec基礎(chǔ)上提出了對灰度和旋轉(zhuǎn)具有較好適應(yīng)性的Harris算子。然而Harris算子對噪聲較為敏感，1997年，Smith等人提出具有較強(qiáng)的抗噪性能的基于灰度的特征點(diǎn)獲取方法。2004年，Lowe提出了對尺度變換、旋轉(zhuǎn)以及仿射變換具有不變性的特征描述算法---SIFT（Scale-invariant Feature Transform）。后來，在Lowe的工作的基礎(chǔ)之上，研究者們圍繞SIFT做了大量的應(yīng)用優(yōu)化改進(jìn)研究。如Ke等人提出的PCA-SIFT算法，對特征描述子進(jìn)行降維處理，以解決 SIFT算法計(jì)算量大的問題。Bay提出的SURF特征匹配算法利用積分圖像和快速Hessian檢測算子，降低算法復(fù)雜度[1-2]。……