基于改進(jìn)SIFT的圖像匹配研究

賈志前

摘 ?要：針對(duì)基于傳統(tǒng)SIFT的圖像匹配法存在的計(jì)算量大、耗時(shí)長、誤匹配的問題，提出了一種快速、準(zhǔn)確的圖像匹配法。該方法是建立在SIFT算法中特征點(diǎn)的提取不使用SIFT算法確定的關(guān)鍵點(diǎn)而是使用Harris算法中確定的角點(diǎn)，最后利用RANSAN算法去除誤配點(diǎn)來實(shí)現(xiàn)兩幅圖像的匹配。實(shí)驗(yàn)結(jié)果表明采用基于改進(jìn)SIFT的圖像匹配法比基于傳統(tǒng)SIFT的圖像匹配法平均節(jié)約1.8s，并且準(zhǔn)確率更高。

關(guān)鍵詞：圖像匹配;SIFT算法;Harris算法;RANSAN算法

引言

機(jī)器視覺技術(shù)在現(xiàn)代工業(yè)中被廣泛的使用，尤其是在工業(yè)產(chǎn)品檢測領(lǐng)域。對(duì)待檢產(chǎn)品的檢測的過程其實(shí)質(zhì)是將待檢產(chǎn)品圖像與合格產(chǎn)品圖像進(jìn)行匹配的過程。目前圖像匹配的常用方法有兩類：基于灰度的圖像匹配和基于特征的圖像匹配[1]。

基于灰度的圖像匹配法是直接利用圖像的灰度信息進(jìn)行匹配，算法簡單，但存在匹配速度比較低，對(duì)灰度信息變化非常敏感易出現(xiàn)誤匹配等不足?；谔卣鞯膱D像匹配法需要先對(duì)圖像提取特征，其克服了基于灰度的圖像匹配法中存在的不足故被廣泛應(yīng)用?；谔卣鞯膱D像匹配法中SIFT算法因具備尺度、旋轉(zhuǎn)、平移的不變性等優(yōu)點(diǎn)，故其被普遍應(yīng)用，但是它在匹配速度和準(zhǔn)確度方面有所不足，不能滿足工業(yè)檢測的要求。文章提出一種基于改進(jìn)SIFT算法在匹配速度和準(zhǔn)確度方面有很大的突破。

1 SIFT算法

SIFT算法對(duì)尺度縮放、旋轉(zhuǎn)甚至視角變化等方面都保持不變性，是眾多基于特征的圖像匹配算法中最穩(wěn)定的算法。該算法的主要流程如圖1所示。

圖1 SIFT算法流程圖

特征點(diǎn)檢測：構(gòu)建尺度空間，判斷檢測極值點(diǎn)，去除不穩(wěn)定點(diǎn)（即低對(duì)比度點(diǎn)和邊緣響應(yīng)點(diǎn)），最后剩下的極值點(diǎn)則為特征點(diǎn)。特征點(diǎn)描述：通過計(jì)算特征點(diǎn)梯度的幅值和方向來表征這個(gè)特征點(diǎn)，為所有特征點(diǎn)確定其尺度、位置、方向三個(gè)信息，最后采用128維向量為每個(gè)特征點(diǎn)建立對(duì)應(yīng)的描述符。特征點(diǎn)匹配：將模板圖像和待匹配圖像中所提取的特征點(diǎn)用某種相似性度量函數(shù)（如歐氏距離比）進(jìn)行匹配[2]。

2 改進(jìn)的SIFT算法

SIFT算法在特征點(diǎn)提取時(shí)，因要多次進(jìn)行高斯核函數(shù)與圖像的卷積計(jì)算，故會(huì)出現(xiàn)運(yùn)算量較大、耗時(shí)較長的問題，且該算法在特征點(diǎn)匹配的過程中會(huì)存在錯(cuò)誤匹配的現(xiàn)象，所以需對(duì)該算法進(jìn)行改進(jìn)。文章建立在SIFT算法中特征點(diǎn)的提取不使用SIFT算法確定的關(guān)鍵點(diǎn)而是使用Harris算法中確定的角點(diǎn)，這就解決了在提取特征點(diǎn)的過程中SIFT算法花費(fèi)時(shí)間長的問題，采用RANSAC算法除去誤匹配點(diǎn)。

2.1 改進(jìn)SIFT算法的基本步驟

（1）采用Harris算子分別對(duì)模板圖像和待匹配圖像提取圖像的角點(diǎn)，建立角點(diǎn)集。（2）對(duì)（1）中確定的所有角點(diǎn)，使用SIFT算法中特征向量描述法，為每一個(gè)角點(diǎn)分配方向值，生成特征描述子。（3）將模板圖像和待匹配圖像中所確定的特征描述子用某種相似性度量函數(shù)（如歐氏距離比）進(jìn)行匹配。（4）采用RANSAC算法[3]除去誤匹配點(diǎn)。

2.2 Harris算子的角點(diǎn)提取

Harris算子[4]的角點(diǎn)提取是采用式（1）和（2）確定的。

R=detM-k（traceM）2 ? ? ? ? ? ? ? （1）

（2）

（2）式中Ix為圖像中該點(diǎn)（x，y）在x方向的導(dǎo)數(shù);Iy為圖像中該點(diǎn)在y方向的導(dǎo)數(shù);a，b是M的兩個(gè)特征值。（1）式中detM表示M的行列式，等于a與b之和;traceM表示M的跡，等于a與b之積;k為常數(shù)（一般取值為0.04-0.06）。當(dāng)R值大于某一閾法值且在某一鄰域內(nèi)取的局部極值時(shí)則標(biāo)記為角點(diǎn)。

3 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)環(huán)境是，Intel（R） Core（TM） i5-2450M CPU@2.5GHZ 2.50GHZ的處理器，4.00GB內(nèi)存，仿真品臺(tái)Matlab2010b，操作系統(tǒng)Windows7。實(shí)驗(yàn)采用的匹配圖像如圖2、圖3所示，實(shí)驗(yàn)結(jié)果如圖4至圖7，最終圖像匹配數(shù)據(jù)對(duì)比如表1所示。

從圖像和數(shù)據(jù)對(duì)比可以看出，改進(jìn)SIFT算法比傳統(tǒng)SIFT算法在匹配時(shí)間上明顯減少，大大提高了匹配速度，誤匹配點(diǎn)更少，匹配效果更好。改進(jìn)SIFT算法可以滿足工業(yè)檢測的實(shí)時(shí)性，對(duì)以后的產(chǎn)品檢測有很高的研究價(jià)值。

4 結(jié)束語

文章提出了一種基于改進(jìn)SIFT圖像匹配算法，即建立在SIFT算法中特征點(diǎn)的提取不使用SIFT算法確定的關(guān)鍵點(diǎn)而是使用Harris算法中確定的角點(diǎn)，最后采用RANSAC算法除去誤匹配點(diǎn)實(shí)現(xiàn)圖像匹配。該方法大大地減小了圖像特征提取的運(yùn)算量，很好地減少了誤匹配點(diǎn)，極大地提高了圖像匹配的速度和效果。實(shí)驗(yàn)結(jié)果表明本方法匹配速度較快及匹配效果較好，適用于實(shí)時(shí)性要求高的工業(yè)批量生產(chǎn)領(lǐng)域。

參考文獻(xiàn)

[1]韓躍平.復(fù)雜產(chǎn)品內(nèi)部結(jié)構(gòu)裝配正確性X射線自動(dòng)檢測技術(shù)研究[D].中北大學(xué)，2009：16-26.

[2]趙輝.基于點(diǎn)特征的圖像配準(zhǔn)算法研究[D].山東大學(xué)，2006.

[3]邱亞輝，李長青，崔有幀.RANSAC算法在剔除圖像配準(zhǔn)中誤匹配點(diǎn)的應(yīng)用[J].影像技術(shù)，2014，26（4）.

[4]陳賢巧.基于特征的圖像配準(zhǔn)算法研究[D].中國科學(xué)技術(shù)大學(xué)，2009，5.