一種改進Harris-SIFT算子的圖像匹配算法*

李 蘭 謝勤嵐

(中南民族大學(xué)生物醫(yī)學(xué)工程學(xué)院 武漢 430074)

一種改進Harris-SIFT算子的圖像匹配算法*

李 蘭 謝勤嵐

(中南民族大學(xué)生物醫(yī)學(xué)工程學(xué)院 武漢 430074)

SIFT特征是一種性能良好的檢測局部的特征,被廣泛應(yīng)用于圖像匹配。針對SIFT算法的數(shù)據(jù)處理量大、運行速度慢、時間復(fù)雜度高等問題,提出了一種基于角點精確定位、降低特征維度、增強近似最近鄰匹配法的改進算法。實驗的結(jié)果證明,改進后的算法提高了算法的運行速度和匹配精確度。

SIFT; Harris; 圖像匹配

Class Number TP391

1 引言

圖像匹配是利用圖像處理方法將兩幅圖像相同的區(qū)域進行匹配[1],它是圖像處理領(lǐng)域的一個重要應(yīng)用技術(shù),在計算機視覺、醫(yī)學(xué)圖像分析、模式識別等多方面都有著廣泛的應(yīng)用價值。在實際應(yīng)用中,由于處在不同條件下,匹配的圖像之間往往存在著尺度、噪聲、亮暗、旋轉(zhuǎn)等差異,這給圖像匹配算法帶來了不少難題。而基于局部特征的算法只考慮特征信息,具有較強的抗噪聲、形變能力和計算量小、魯棒性高的優(yōu)點[2],因此被廣泛應(yīng)用于各個行業(yè)中。到目前為止,已經(jīng)有大量的局部特征算法被提出。文獻[3～4]對幾種有代表性的局部特征進行了性能評估,通過實驗表明SIFT是性能最為魯棒的局部特征算法。

SIFT算法由D.G.Lowe[5～7]于1999年提出,SIFT特征[5～7]是一種性能良好的局部特征,被廣泛應(yīng)用于圖像匹配中,但SIFT特征點有128維描述符,所以存在數(shù)據(jù)處理量大、運行速度慢、時間復(fù)雜度高的問題[6]。

本文結(jié)合Harris角點檢測[7]和SIFT特征描述算子的優(yōu)點,利用Forsnter算子思想對角點進行精確定位,然后改進SIFT算法描述子,用36維特征描述符代替128維特征描述符,進行特征描述。最后利用增強型近似最近鄰匹配方法對描述子進行匹配,達到圖像匹配的目的。

2 改進的Harris角點檢測算法

Forsnter算子[8]是攝影測量中經(jīng)典的興趣點定位算子,具有精度高、速度快等特點,其基本思想是：通過獲得角點,以該點為中心建立最佳窗口,對最佳窗口內(nèi)的每個像素的邊緣直線(垂直于梯度方向)進行加權(quán)中心化,得到角點的精確坐標。

利用Harris算子[9～10]提出的角點作為Forsnter算子的最佳窗口中心點,在窗口內(nèi)進行加權(quán)中心化,精確定位角點坐標的具體計算原理如下：

最佳窗口內(nèi)任一像素(x,y)的邊緣直線l的方程可以表示為

p=x·cosθ+y·sinθ

(1)

式(1)中,p為原點(最佳窗口的左上角像素)到直線l的距離,θ為梯度角,tanθ=gy/gx,gx、gy為該點的robert梯度。設(shè)角點坐標為(x0,y0),式(2)中,v是點(x,y)到直線l的垂直距離,則可列出如下關(guān)系式：

p+v=x0·cosθ+y0·sinθ

(2)

(3)

式(3)中,將原點到邊緣的直線的距離視為觀測值,而邊緣直線的方向保持不變,權(quán)w(x,y)是梯度模的平方,因此,權(quán)的實質(zhì)即是該邊緣尺度。對式(3)進行法化,得到法方程：

(4)

對式(4)求解,即可得到精確角點坐標(x0,y0)。

3 改進的SIFT算法

3.1 用36維特征描述子代替原128維特征描述子

將關(guān)鍵點周圍16×16區(qū)域改為15×15區(qū)域[11],在該區(qū)域上采樣計算方向,將每個5×5的區(qū)域方向投影到8個方向,如圖1所示

對于每個種子的8個方向的梯度方向直方圖的累加值s1、s2、…、s8[4～6],如圖2(a)所示,可以用4個方向v1,v2,v3,v4來表示為圖2(b)所示。它們之間的關(guān)系是：

(5)

改進后的特征描述子維數(shù)為

相比原來的特征描述子128維,維數(shù)降低不少。將描述每個種子的累加值的數(shù)量由8個降為4個,由于4個累加值仍然包含了8個累加值中所有信息,故并不影響對特征點信息的描述?；诖诉@種改進大大的節(jié)約了計算時間,提高算法的實時性。

3.2 用增強型近似最近鄰匹配方法進行匹配

由于最近鄰匹配法[2]是一種單向的操作,可能會產(chǎn)生錯誤的匹配點。增強型最近鄰匹配雙向法流程圖如圖3所示。

將最近鄰匹配法單向判定改為增強型最近鄰匹配法雙向判定后,對可能存在的匹配點對進行反向的確認,實現(xiàn)正反雙向判定,提高了匹配的正確率。

4 實驗和結(jié)果

為了驗證本文改進的算法的圖像配準速度和效果,本文設(shè)計了幾個實驗來與原始Harris-sift算法來進行比較。實驗平臺為Pentium(R) Dual-Core E6700 處理器, 3.20GHz,內(nèi)存為4G的PC機,Window 7 64位操作系統(tǒng),編程環(huán)境為VS2012+OpenCv2.4.8。實驗結(jié)果從特征點個數(shù)、匹配點對、特征點對、特征點匹配時間、算法運行總時間以及正確匹配率5個方面對改進算法與原算法進行對比。

圖4和圖5是圖像的匹配實驗結(jié)果,對比可以看出,SIFT算法提取出來的點不是角點,不能反映圖像的視覺角點,而本文算法結(jié)合改進的Harris-sift算法提取的特征描述點都是角點,并降低了特征提取的復(fù)雜度,大大提高了原SIFT算法的匹配率和速度。

表1 圖像匹配比較數(shù)據(jù)

表1是實驗得到的數(shù)據(jù),通過分析表1中的實驗數(shù)據(jù)和匹配結(jié)果可以發(fā)現(xiàn),改進的算法用Forsnter算子思想對Harris角點進行精定位,提高了圖像特征點提取的精確度。然后用36維的特征描述符對特征點進行描述,大大節(jié)約了匹配時間,用增強型近似最近鄰匹配方法進行匹配,提高了算法的匹配率。

5 結(jié)語

本文針對SIFT算法存在數(shù)據(jù)處理量大、運行速度慢、時間復(fù)雜度高的問題,提出改進的Harris-sift的圖像匹配算法。該算法采用Forsnter算子獲取Harris角點精確定位,然后改進SIFT算子,對其描述符進行降維,并在匹配過程中采用雙向匹配法,提高了特征點的匹配率和匹配速度。實驗表明,本文的改進算法準確率更高,運算速度更快。但本文改進算法也有不足之處,在將sift算子由128維改為36維后,會降低算法的正確匹配率,雖然改進的算法整體上提高了特征點正確匹配率,因此對該算法還需要進行進一步研究,如何在降維的同時提高正確匹配率,這是下一步工作的重點。

[1] 岡薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社,2003.

[2] 王永明,王貴錦. 圖像局部不變性特征與描述[M].北京：國防工業(yè)出版社,2010.

[3] 曾凡永,顧愛輝,等.幾種特征點提取算子的分析和比較[J].現(xiàn)代測繪,2015(3):15-18.

[4] Mikolajczyk K, Tuytelaars T, Schmid C.仿射區(qū)域描述子的比較[J].國際計算機視覺雜志,2005,65(1/2):43-72.

[5] D.Lowe.尺度不變特征點中獨特的圖像特征點[J].國際計算機視覺雜志,2004,60,(2):91-110.

[6] D.Lowe. 局部尺度不變特征點的物體識別[J].國際計算機視覺雜志,1999:1150-1157.

[7] Lowe D.開源SIFT庫.Lowe D. OpenSIFT-An open-source SIFT library[EB/OL].

[8] 李鵬程,曾毓敏,張琴.基于改進Harris的圖像拼接算法[J].南京師范大學(xué)學(xué)報(工程技術(shù)版). 2014(09): 43-48.

[9] 張艷,張志成.混合Forstner算法和SIFT灰度圖像特征點提取[J].科技通報.2012(10):64-70.

[10] 毛雁明,蘭美輝.角點檢測方法研究.[J].現(xiàn)代計算機：下半月版,2008(10):86-88.

[11] 楊松,邵龍?zhí)?宋維波,等.一種基于SIFT特征的快速圖像匹配算法[J].計算機應(yīng)用與軟件,2016,33(7):186-189.

An Improved Image Matching Algorithm Based on Harris-SIFT

LI Lan XIE Qinlan

(College of Biomedical Engineering, South-Central University for Nationalities, Wuhan 430074)

SIFT features are a kind of local features with high performance, which are applied widely in the image matching field. However, there are some disadvantages about SIFT algorithm, such as, a large volume of data processing, low running speed, high time complexity and so on. Based on these disadvantages, the paper proposes an improved image matching algorithm based on Harris and SIFT. Experimental results prove that the improved algorithm has higher matching accuracy and less matching time.

SIFT, Harris, image matching

2016年10月25日,

2016年11月28日

李蘭,女,碩士研究生,研究方向：醫(yī)學(xué)圖像處理。謝勤嵐,男,博士,教授,研究方向：智能信號與圖處理,電子系統(tǒng)集成技術(shù),生物醫(yī)學(xué)系統(tǒng)辨識,建模與仿真,生物信息學(xué),智能控制理論等。

TP391

10.3969/j.issn.1672-9730.2017.04.009