基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法分析

任立勝，王立中

(內(nèi)蒙古農(nóng)業(yè)大學(xué)職業(yè)技術(shù)學(xué)院，內(nèi)蒙古 包頭 014109)

基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法分析

任立勝，王立中

(內(nèi)蒙古農(nóng)業(yè)大學(xué)職業(yè)技術(shù)學(xué)院，內(nèi)蒙古 包頭 014109)

計(jì)算機(jī)技術(shù)的發(fā)展下，優(yōu)化提升圖像匹配算法，可以提升圖像檢測(cè)精度?；谇食叨瓤臻g的角點(diǎn)檢測(cè)圖技術(shù)，優(yōu)化設(shè)計(jì)圖像匹配算法，基于曲率尺度空間的角點(diǎn)檢測(cè)算法進(jìn)行圖像特征點(diǎn)的提取，歸一化處理特征點(diǎn)，有助于提高圖像匹配精度。利用該算法最終實(shí)現(xiàn)圖像匹配需求，驗(yàn)證了算法的有效性，改進(jìn)了圖像匹配中特征點(diǎn)過(guò)度分離的弊端，提高了圖像匹配檢測(cè)的整體精度約10.0%。該算法發(fā)揮了積極應(yīng)用價(jià)值，值得在實(shí)踐應(yīng)用中推廣。

角點(diǎn)檢測(cè)；曲率尺度空間；圖像匹配

0 引言

針對(duì)我國(guó)的計(jì)算機(jī)信息技術(shù)中，圖像匹配算法存在圖像特征過(guò)度分離的問(wèn)題，研究?jī)?yōu)化當(dāng)前的圖像匹配算法，不僅有助于精確匹配圖像中的特征點(diǎn)，也可提升圖像檢測(cè)率。本文將介紹基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法，分析其原理及相關(guān)算法優(yōu)化方法。該角點(diǎn)檢測(cè)圖像匹配算法已在實(shí)踐中得到了應(yīng)用驗(yàn)證。

1 角點(diǎn)檢測(cè)與圖像匹配概念

1.1 角點(diǎn)檢測(cè)的概念

在圖像匹配檢測(cè)過(guò)程中，圖像角點(diǎn)也被稱(chēng)作興趣點(diǎn)，也就是在圖像的像素點(diǎn)中，其相較于圖像鄰域各個(gè)方向中的灰度變化量大，或者是大于閾值的點(diǎn)[1]。掌握?qǐng)D像的輪廓特征很有必要，因?yàn)檎业綀D像特征就可以掌握?qǐng)D像中物體的形狀。角點(diǎn)不僅包含圖像中的二維結(jié)構(gòu)信息，同時(shí)，在處理圖像匹配中，也可以應(yīng)用角點(diǎn)檢測(cè)技術(shù)，實(shí)現(xiàn)對(duì)圖像匹配的處理[2，3]。角點(diǎn)所代表的局部結(jié)構(gòu)關(guān)系信息，不會(huì)因?yàn)橐暯堑牟煌淖儓D像輪廓上曲率的局部極大點(diǎn)作為角點(diǎn)[4]。而對(duì)于角點(diǎn)檢測(cè)的原理，則是在給定的模板以及圖像中，找出圖像所有區(qū)域中的相關(guān)性與相似性的點(diǎn)[5]。實(shí)現(xiàn)角點(diǎn)檢測(cè)，最大的應(yīng)用優(yōu)點(diǎn)就是，具有圖像旋轉(zhuǎn)不變性，不會(huì)因?yàn)閳D像旋轉(zhuǎn)形態(tài)而改變檢測(cè)精度，也不易受到外界光照條件的影響，提升應(yīng)用價(jià)值。

1.2 圖像匹配

在計(jì)算機(jī)的圖像匹配算法之中，在兩幅圖像匹配以及多幅圖像匹配過(guò)程之中，通過(guò)圖像匹配算法，就識(shí)別出在圖像中存在的同名點(diǎn)，并進(jìn)行圖像匹配[6，7]。在圖像匹配中，當(dāng)實(shí)時(shí)圖像大于基準(zhǔn)圖像時(shí)，圖像的匹配過(guò)程則是基于實(shí)時(shí)圖像尋找基準(zhǔn)圖像目標(biāo)的過(guò)程。例如在地圖系統(tǒng)的圖像匹配中，基準(zhǔn)圖像比實(shí)時(shí)圖像大，如圖1所示。

圖1 實(shí)現(xiàn)圖像匹配的過(guò)程示意圖

圖像匹配時(shí)，可以根據(jù)圖像的顏色、紋理以及形狀等[8]提取圖像中的高層次特征，并建立不同匹配圖像之間對(duì)應(yīng)的匹配關(guān)系。基準(zhǔn)圖像與實(shí)時(shí)圖像之間的關(guān)系中，應(yīng)用高斯白噪聲表示 dx(x，y)，dx(x，y)、dy(x，y)表示圖像特征點(diǎn)在X和Y方向位置的偏差，其關(guān)系如下：

2 基于曲率尺度空間的角點(diǎn)檢測(cè)算法

2.1 角點(diǎn)檢測(cè)Harris算法

角點(diǎn)檢測(cè)Harris算法改進(jìn)了 Moravec方法的自相關(guān)矩陣[9]，可以在圖像的檢測(cè)匹配窗口中，通過(guò)高斯函數(shù)加權(quán)導(dǎo)數(shù)，有效避免圖像中特征點(diǎn)離散與偏移情況的發(fā)生，取代對(duì)圖像處理中的簡(jiǎn)單求和算法，優(yōu)化算法精度。圖2是Harris角點(diǎn)檢測(cè)算法的示意圖。

圖2 角點(diǎn)檢測(cè)的示意圖

在該算法之中，可以根據(jù)角點(diǎn)檢測(cè)圖像窗口的平移，分析圖像[u，v]位置的灰度變化：

展開(kāi)圖像的灰度函數(shù)Taylor：

之后去掉圖像的高階小量，得出：

基于該方法的角點(diǎn)檢測(cè)圖像匹配中，若是匹配圖像的尺寸發(fā)生變化，則算法對(duì)此產(chǎn)生的變化比較敏感，如圖3所示，左圖中是圖像匹配中的邊緣信息，右圖是在縮小圖片后匹配得出的角點(diǎn)信息。

圖3 圖像尺度變化影響圖像匹配精度

2.2 SIFT方法

基于不變量技術(shù)和尺度空間的圖像局部特征描述算子，即尺度不變特征變換，可以建立高斯差分（DOG）尺度空間，得出高斯核函數(shù)為：

以(x，y)表示圖像平面中的坐標(biāo)，σ是尺度參數(shù)。令I(lǐng)(x，y)表示一張圖像，則圖像的尺度空間可以表示為：

由熱傳導(dǎo)方程，可得：

在圖像匹配中，高斯差分函數(shù)會(huì)強(qiáng)烈響應(yīng)，在計(jì)算極值點(diǎn)位置中，可以計(jì)算Hessian矩陣獲得圖片匹配精度。

2.3 CSS算法

定義 CSS角點(diǎn)：邊緣輪廓上的曲率極大值點(diǎn)。細(xì)節(jié)尺度上(Fine Scale)，定位性好，噪聲多；粗糙尺度上(Coarse Sclae)，定位性差，噪聲少。將曲線(xiàn)用弧長(zhǎng)參數(shù) u表達(dá)為：

在最高的尺度上計(jì)算邊緣輪廓的曲率絕對(duì)值，并選擇局部極大值點(diǎn)作為角點(diǎn)候選點(diǎn)，滿(mǎn)足：

（1）大于閾值t（去除圓形角和噪聲）；

（2）至少兩倍于兩側(cè)相鄰的某個(gè)曲率極小值點(diǎn)。

跟蹤角點(diǎn)到最低（細(xì)）的尺度上以獲得更好的位置精度，對(duì)于在高尺度上檢測(cè)到的極大值點(diǎn)，在其低一級(jí)尺度的鄰域搜索極大值點(diǎn)；如此，向更低的尺度進(jìn)行跟蹤，直到最低的尺度。

還可以將多個(gè)尺度下的特征融合在一起，隨著尺度的增大，輪廓噪聲被逐步減弱，從而曲率積逐步變小，曲率極大值對(duì)應(yīng)的點(diǎn)可逐漸銳化，通過(guò)閾值化即可得到角點(diǎn)[10-11]。但是，在小尺度下的一些角點(diǎn)可能隨著尺度的增大，曲率變得很小，從而曲率積也很小，這類(lèi)角點(diǎn)就可能將被作為假角點(diǎn)濾除。

3 曲率尺度空間下優(yōu)化設(shè)計(jì)角點(diǎn)檢測(cè)圖像匹配算法

3.1 特征點(diǎn)提取

在角點(diǎn)檢測(cè)的圖像匹配算法中，由于實(shí)際圖像中的噪聲高、對(duì)比度低，可以采用基于曲率尺度空間下的角點(diǎn)檢測(cè)CSS算法，提取圖像的邊緣信息，以保留較多的圖像特征信息；再對(duì)邊緣長(zhǎng)度進(jìn)行判斷，剔除長(zhǎng)度較短的邊緣[12]?？梢岳肅SS算法中的邊緣檢測(cè)方法，通過(guò)檢測(cè)算子從原始需匹配圖像之中提取出圖像的邊緣，然后從匹配邊緣圖像中填充圖像邊緣輪廓中的缺口，并尋找出在圖像匹配交叉點(diǎn)中的角點(diǎn)信息。在最高尺度上計(jì)算曲率并確定角點(diǎn)的候選點(diǎn) （絕對(duì)曲率的極大值點(diǎn)）；能夠在圖像匹配大尺度下來(lái)計(jì)算曲率，從而選擇一個(gè)絕對(duì)曲率大的候選角點(diǎn)，并跟蹤這個(gè)角點(diǎn)的小尺度信息，以提高角點(diǎn)檢測(cè)圖像匹配定位的精度。部分算法實(shí)現(xiàn)的代碼如下所示：

3.2 生成特征向量

基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法可以對(duì)互相連接的圖像以及互相遮擋圖像中的多候選特征區(qū)域，分離處理這些圖像特征點(diǎn)信息，并且也可以有效避免應(yīng)用分離算法加大對(duì)整幅圖像匹配的計(jì)算開(kāi)銷(xiāo)，保證圖像匹配時(shí)間符合實(shí)際需求，同時(shí)降低計(jì)算開(kāi)銷(xiāo)。提高圖像匹配算法中角點(diǎn)檢測(cè)構(gòu)造中應(yīng)用描述符的魯棒性，確保圖像的描述符保持旋轉(zhuǎn)不變性，可以先確定該描述符的主方向，保證圖像匹配中特征點(diǎn)向量可以保持旋轉(zhuǎn)不變的特性，這樣在圖像旋轉(zhuǎn)之后，可以依據(jù)圖像的特征向量，而不會(huì)發(fā)生圖像位置變化導(dǎo)致圖像匹配精度降低的情況出現(xiàn)。如果圖像匹配中，圖像的特征描述符已經(jīng)具有了很好的抗圖像旋轉(zhuǎn)匹配檢測(cè)計(jì)算能力，則沒(méi)有必要為圖像的特征點(diǎn)分配一個(gè)主方向，也可以省去針對(duì)旋轉(zhuǎn)圖像匹配的轉(zhuǎn)化，大大降低角點(diǎn)檢測(cè)中圖像匹配算法的計(jì)算復(fù)雜度，有效減少該算法的運(yùn)行時(shí)間。主要是在圓到定點(diǎn)距離中，依據(jù)其定長(zhǎng)點(diǎn)集合構(gòu)造特征向量，依據(jù)圓的旋轉(zhuǎn)不變性，改進(jìn)圖像匹配算法，用改進(jìn)的特征向量描述符方法生成圖像匹配算法的特征向量。

3.3 圖像特征的匹配

在基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法中，生產(chǎn)兩幅待檢測(cè)匹配圖像的特征點(diǎn)以及特征向量之后，就可以將特征向量作為判定兩幅圖像特征點(diǎn)相似性的度量。同時(shí)，在曲率尺度空間的角點(diǎn)檢測(cè)算法中，可基于匹配圖像形狀上下文特征點(diǎn)，確保特征點(diǎn)描述中包括有效的圖像鄰域邊緣信息，有助于提升圖像匹配精度。

4 算法的仿真應(yīng)用

4.1 仿真基礎(chǔ)

本文設(shè)計(jì)并優(yōu)化基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法，通過(guò)對(duì)提取的邊緣長(zhǎng)度進(jìn)行判斷，并通過(guò)仿真實(shí)驗(yàn)，分析檢驗(yàn)該算法的應(yīng)用有效性。采用PC作為算法仿真的硬件平臺(tái)，CPU為2.8 GHz，內(nèi)存為1.99 GB；同時(shí)，應(yīng)用 Windows XP操作系統(tǒng)作為仿真的軟件平臺(tái)，基于MATLAB2010b軟件進(jìn)行算法應(yīng)用仿真。

4.2 仿真參數(shù)設(shè)置

仿真基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法的過(guò)程中，主要對(duì)900幅路標(biāo)圖像進(jìn)行檢測(cè)匹配。設(shè)置圖像匹配中特征點(diǎn)區(qū)域的特征矢量閾值為：

VSth={80[260，20 000][0.8，1.3]16}

而在角點(diǎn)檢測(cè)圖像匹配中，對(duì)于多個(gè)互連圖像的特征點(diǎn)區(qū)域，其特征矢量閾值為：

VMth={80[512，25 000]{[1.4，2.3]，[2.6，3.2]}16}

4.3 仿真結(jié)果

基于本算法的應(yīng)用仿真中，采用TP表示圖像真正數(shù)，也就是圖像匹配檢測(cè)結(jié)果中正確圖像信息的數(shù)量；FN是圖像的假負(fù)數(shù)，也就是沒(méi)有被檢測(cè)出的圖像信息數(shù)；FP是圖像的標(biāo)志假正數(shù)，就是那些不需要被檢測(cè)匹配的圖像被匹配檢測(cè)出的數(shù)量；R則是正確的檢測(cè)率，也就是正確實(shí)現(xiàn)圖像匹配數(shù)量占總數(shù)的百分率；FPPF是每幅匹配圖像的平均假正率；TA是平均處理每幅圖像的時(shí)間。其檢測(cè)結(jié)果如表1所示。

表1 算法應(yīng)用精度對(duì)比

從表1可以看出，基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法的檢測(cè)率相較于其他算法圖像匹配精度均提高10.0%左右。并且，基于曲率尺度空間實(shí)現(xiàn)角點(diǎn)檢測(cè)圖像匹配算法，不僅可以精確圖像匹配算法中的定位特征點(diǎn)，也可以有效節(jié)省提取特征點(diǎn)的時(shí)間。本算法優(yōu)于現(xiàn)有的分水嶺變換算法與自適應(yīng)分離改進(jìn)算法。

5 結(jié)論

綜上所述，優(yōu)化設(shè)計(jì)基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法有助于實(shí)現(xiàn)對(duì)圖像特征點(diǎn)的精確匹配，充分利用了特征點(diǎn)存在凹特性角點(diǎn)特性，克服了特征點(diǎn)過(guò)度分離的問(wèn)題，整體圖像匹配檢測(cè)精度與現(xiàn)有圖像匹配算法相比具有優(yōu)勢(shì)，適合廣泛應(yīng)用。

[1]高晶，吳育峰，吳昆，等.基于角點(diǎn)檢測(cè)的圖像匹配算法[J].儀器儀表學(xué)報(bào)，2013，34(8)：1717-1725.

[2]郭魯，魏穎.SUFT算法與改進(jìn)的 Harris算法相結(jié)合的圖像匹配方法[J].黑龍江科技信息，2014(36)：98.

[3]謝建春.基于改進(jìn)Hausdorff距離的圖像匹配快速算法[J].電光與控制，2012，19(8)：34-37，49.

[4]王鑫，賈敏智.改進(jìn) Harris-SIFT算法在水下圖像匹配中的應(yīng)用[J].電視技術(shù)，2014，38(13)：50-53.

[5]于合龍，蘇恒強(qiáng)，汪巖，等.SUSAN角點(diǎn)檢測(cè)和匹配算法在高溫變形測(cè)量中的應(yīng)用[J].航空學(xué)報(bào)，2013，34(5)：1064-1072.

[6]扈立超，史再峰，龐科，等.用于圖像匹配的改進(jìn) Harris特征點(diǎn)檢測(cè)算法[J].計(jì)算機(jī)工程，2015，41(10)：216-220.

[7]何艷，王沛，付杰，等.一種基于統(tǒng)計(jì)特性的 Harris圖像匹配[J].電視技術(shù)，2013，37(13)：18-21.

[8]呂恒利，尚振宏，劉輝，等.基于 Harris角點(diǎn)和SIFT算法的車(chē)輛圖像匹配[J].昆明理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2015(1)：50-54.

[9]張官亮，鄒煥新，秦先祥，等.基于改進(jìn) SIFT特征和圖轉(zhuǎn)換匹配的圖像匹配算法[J].計(jì)算機(jī)應(yīng)用研究，2013，30 (9)：2861-2864.

[10]王鵬程，龍永新，文志強(qiáng)，等.一種基于邊緣積分與鄰域提純的圖像匹配方法[J].計(jì)算技術(shù)與自動(dòng)化，2015(3)：100-104.

[11]謝輝，劉瀏，李建勛，等.基于局部結(jié)構(gòu)特征的紅外與可見(jiàn)光圖像匹配[J].計(jì)算機(jī)工程，2012，38(15)：230-233.

[12]劉波，劉偉平，翟浩田，等.基于PCA與聚類(lèi)匹配的光譜圖像二次配準(zhǔn)[J].激光雜志，2015，36(3)：24-29.

Analysis of image matching algorithm for corner detection based on curvature scale space

Ren Lisheng，Wang Lizhong
(Vocational and Technical Collage of Inner Mongolia Agricultural University，Baotou 014109，China)

With the development of computer technology,optimizing the image matching algorithm can enhance the accuracy of the image detection,this paper optimizes the design of image matching algorithm based on the curvature scale space of corner detection technology,and extracts the feature of image and normalize feature point based on curvature scale space image feature point.It′s helpful to improve the accuracy of image matching.The results demonstrate that it finally reaches the requirements of image matching by using the algorithm，verifying the effectiveness of the algorithm,improving the defect of over separation of feature points in image matching and enhancing the accuracy of image matching detection by 10.0%.The algorithm has a positive application value, it is worthy of promoting in practical application.

corner detection；curvature scale space；image matching

TN27

A

10.16157/j.issn.0258-7998.2016.12.029

任立勝，王立中.基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法分析[J].電子技術(shù)應(yīng)用，2016，42(12)：112-114，118.

英文引用格式：Ren Lisheng，Wang Lizhong.Analysis of image matching algorithm for corner detection based on curvature scale space[J].Application of Electronic Technique，2016，42(12)：112-114，118.

2016-06-02)

任立勝(1982-），男，助理實(shí)驗(yàn)師，主要研究方向：軟件技術(shù)、圖形圖像處理。

王立中（1972-），通信作者，男，博士，教授，主要研究方向：圖形圖像處理，E-mail：13947180269@163.com。