文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 电子/电路 > 一种简化的SIFT图像特征点提取算法_高健
侵权投诉

一种简化的SIFT图像特征点提取算法_高健

第25卷第7期2008年7月

计算机应用研究ApplicationResearchofComputers

Vo.l25No.7

Ju.l2008

一种简化的SIFT图像特征点提取算法

高 健,黄心汉,彭 刚,王 敏,吴祖玉

(华中科技大学控制科学与工程系,武汉430074)

*

摘 要:针对目前尺度不变的图像特征点提取算法计算量较大,算法较复杂的问题,提出一种简化的SIFT图像特征点提取算法。此算法通过改变金字塔尺度空间的结构实现对SIFT特征点提取过程的简化,通过改变特征点描述子的结构实现对特征向量计算的简化,从而在保证算法鲁棒性的同时减少了计算量并增强了实时性。实验证明了该算法的有效性。

关键词:特征点提取;图像匹配;尺度不变特征变换算法

中图分类号:TP391 文献标志码:A 文章编号:1001-3695(2008)07-2213-03

SimplifiedSIFTfeaturepointdetectingmethod

GAOJian,HUANGXin-han,PENGGang,WANGMin,WUZu-yu

(Dept.ofControlScience&Engineering,HuazhongUniversityofScience&Technology,Wuhan430074,China)

Abstract:Thescale-invariantmiagefeaturepointdetectingmethodsarealwayscomplexandneedlargecomputation.Inorder

tosolvetheproblem,thispaperproposedafeaturepointdetectingmethodwhichwasasmiplificationoftheSIFTmethod.ThemethodchangedthepyramidframeinmiagescalespacetosmiplifytheSIFTfeaturepointdetectingprocessandchangedthedescriptorconfigurationtosmiplifytheeigenvectorcomputation.Itcouldensuretheperformanceanddecreasethecomputationatthesametmie.Theexpermientalresultshaveproveditsvalidity.Keywords:featurepointdetection;miagematching;SIFT(scaleinvariantfeaturetransform)method 图像特征在图像处理中具有非常重要的意义。目前,几何特征、彩色特征、纹理特征和特征点在目标识别、运动估计和立体匹配等领域中均已得到了一定程度的应用。在实际应用中,图像经常会发生变化,提取具有较强鲁棒性的图像特征就显得尤为重要。尺度不变的特征点对移动、旋转、噪声、缩放、遮挡等图像变换均具有较强的适应能力。因而近年来,尺度不变的特征点提取算法及其应用成为了图像处理领域中的一个研究热点。

Harris角点检测算法[1]是一种经典的图像特征点提取算法。虽然Harris角点对图像平移、图像旋转和图像噪声均具有较强的鲁棒性,但是它却无法适应图像的尺度变化,这也在一定程度上限制了它的应用。随着图像尺度空间理论的发展,近年来一些具有尺度不变特性的特征点提取算法被提了出来。这其中包括Harris-Laplacian算法[2]、基于相位的局部特征点提取算法[3]、Patch-Duplets算法[4]、Laplacian算法和SIFT算法[5]。前三种都是基于Harris角点并且扩展到了尺度空间以适应图像的尺度变化。这类算法鲁棒性较强,但是计算较复杂,实时性较差。与之相比,后两种算法对大噪声情况适应能力较差,但是算法相对简单,实时性较好。

SIFT算法[5]是Lowe提出的一种比较奇特的特征点提取算法。它选择高斯残差在尺度空间上的极值点为特征点,并计算特征点局部邻域内的梯度方向直方图为描述子。这种算法将图像金字塔结构引入尺度空间以减少计算量,同时针对128

维的特征向量空间,使用了BBF算法加快搜索过程,取得了较好的效果。SIFT算法已经在图像匹配[5]、全景拼接[6]和视觉导航[7]等领域得到成功应用。为了更好地适应实时性要求较高的场合,本文提出一种简化的SIFT算法,它可以在一定程度上减少计算量、缩短计算时间。

1 特征点的提取

整个图像特征点提取算法可以分为特征点的提取和特征点描述与匹配。其中,如何提取鲁棒性较强的特征点是整个算法的基础。

1 1 特征点的鲁棒性

在实际的特征点提取算法中,微分算子可以实现对图像的位移不变;数字图像处理中微分的差分表示可以在一定程度上适应图像的亮度改变;具有各向同性的微分算子可以适应图像的旋转变化;对图像进行高斯卷积则可以增强抵抗噪声干扰的能力;要适应图像尺度的变化就需要在图像的尺度空间中计算规格化导数。

如图1所示,图像的尺度空间是这幅图像在不同解析度下的表示。一幅图像I(X)在不同解析度下的表示可以利用高斯核G(t)的卷积来实现:L(X;t)=G(t)*I(X)(t为高斯方差)。图像的尺度大小一般用高斯标准差 ( =t1/2)来表示。Lindeberg在文献[8]中对图像尺度空间理论进行了详细的论

收稿日期:2007-06-26;修回日期:2007-09-07 基金项目:国家自然科学基金资助项目(60675028)

作者简介:高健(1977-),男,江苏南京人,博士研究生,主要研究方向为计算机视觉、机器人视觉导航(gaojianhust@126.com);黄心汉(1946-),男,湖北武汉人,教授,博导,主要研究方向为智能控制、信息融合;彭刚(1973-),男,湖北武汉人,副教授,博士后,主要研究方向为嵌入式系统;王敏(1954-),女,湖北武汉人,教授,主要研究方向为模式识别;吴祖玉(1980-),男,湖北天门人,博士研究生,主要研究方向为机器人定位与.

第1页

你可能喜欢

热门文档

相关文档

  • 一种简化的SIFT图像特征点提取算法

    控制科学与工程系 ,武汉 430074 ) 摘 : 针对目前尺度不变的图像特征点提取算法计算量较大 ,算法较复杂的问题 ,提出一种简化的 SIFT图像 要 特征点提取算法 ...

  • 一种简化的SIFT图像特征点提取算法

    一种简化的SIFT图像特征点提取算法一种简化的SIFT图像特征点提取算法隐藏>> 维普资讯 http://www.cqvip.com 第2 5卷第 7期 200 8年 7月 计算机应用研究 ...

  • 基于彩色的SIFT特征点提取与匹配

    针对这一问题, 提出了一种基于彩 色的 SIFT 特征点提取算法, 并着重分析了多种彩色模型对算法性能的影响。这种算法也是在图像的灰度尺度空间上检测特征点, 但其...

  • 基于SIFT特征匹配算法的城市地点识别系统

    2.2.2 SIFT特征匹配算法的步骤 SIFT特征匹配算法包括两个阶段:第一是SIFT特征向 量的生成,即从多幅待匹配图像中提取出对尺度缩放、旋转、 亮度变化无关的特征...

  • 基于Harris角点和高斯差分的特征点提取算法

    高 健 等 基于 , 角点和 高斯 差分的特征点提取算法 两个 图像层相减获得... SIFT算法详解及应用(课件... 69页 1下载券 图像的高斯金字塔分解 m... 1...

  • SURF算法和OpenCV的人脸特征检测技术研究

    2008(9) 〔6〕高健,黄一I淑,彭刚,等.一种简化的SIFT图像特征点提取算法〔J〕.计算机应用研究,2008,25(7):2213~2215 〔7〕周志铭,余松煜,张瑞,等一种...

  • SIFT特征点提取与匹配

    resultshaveproveditsvalidity.Keywords:featurepointdetection;featurematching;colormodel;SIFTmethod摘要: 由于只是利用图像的灰度信息, SIFT 算法不能很好地区分形状相似...

  • 一种基于映射图像子块的图像缩小加权平均算法

    m 基于此 , 本文提出了一种基于映射图像子块的 图像加权缩小算法 , 这种算法按照缩放的比例确定 相应的映射图像子块 , 利用加权平均算法 , 将图像子 块的全体...

  • 基于SURF算法和OpenCV的人脸特征检测技术研究

    4 实验系统首先提取模板图像, 利用 SURF 算法检测 出模板图像的特征点, 并记录...一种简化的 SIFT 图像特征点 提 取算法[ J] . 计算机应用研究, 2008, 25(...

  • 1论文(基于Harris角点的图像配准算法研究)

    针对基于特征的角点检测算法,详细介绍了 Harris 角点检测算法。利用 MATLAB7.0 软件编程,实现图像的角点检测、图像配准以及图像拼接,并且 设计精美的图形用户界面(...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email