王中杰

（山西大学电子信息工程系，山西太原030013）

基于图像特征提取和特征点描述的匹配方法的研究

王中杰

（山西大学电子信息工程系，山西太原030013）

基于特征提取的图像匹配技术的基本思路是在图像中提取能够包含图像有效信息的特征，然后对这些特征进行描述，且要求该过程对图像的视角变化、灰度变化、旋转变化、噪声及其它因素具有一定的鲁棒性，最后通过特定的相似性度量准则对特征描述子进行匹配。本文总结了前人的研究成果，深入研究了各种特征提取及特征点描述算法，在此基础上本文提出了一种新的图像匹配算法，运用角点检测来实现图像特征的提取，实现了基于图像匹配技术的实时电子稳像算法。

图像特征；匹配算法；角点检测；噪声

在计算机视觉和图像处理领域，图像匹配是一个重要技术。其方法基本思想就是将不同拍摄设备获取的感官上具有某种特定差异（比如视角、光照等差异）的几幅图像进行匹配，最终建立图像之间的坐标映射关系，并确定图像之间的几何变换模型参数，用以纠正图像的畸变。许多图像领域的相关技术都与图像匹配具有十分紧密的联系，比如图像去噪、图像多尺度理论、图像插值等都是该技术使用的基本图像理论。图像匹配技术不仅与多维信号处理、数值分析及计算机视觉技术息息相关，而且可以作为图像高层语义理解、图像分析及图像识别等相关领域有效的理论工具。

现代应用会朝着具有更复杂的应用场景和更便携的应用设备的方向发展，这促进具有更高性能的图像匹配技术的出现。当今计算机处理能力不断提高，硬件设备的价格不断下降，而且数字化理论快速发展，这些因素的存在进一步推动了高精度、高速度且稳健的图像匹配技术可以实时应用于各种领域的进展。无论如何，研究出具有高精准度、快速而且很强鲁棒性的图像匹配技术，势必推动着图像处理理论层面达到一种新的高度，并且在应用领域不仅可以拓宽应用范围，而且可以提高应用价值［1］。因此，图像匹配理论的突破，会进一步推动它各方面应用的发展，所以对该领域的研究具有深远的意义。

1　图像预处理

无论是日常数码相机拍摄的普通影像还是卫星拍摄的遥感图像，由于拍摄环境中难免存在光照变化及目标重叠等现象，以及设备传感器的差异，使得采集的图像往往伴随着各种各样的噪声，而且有时会出现对比度不够突出的现象。这导致这些图像不能直接用来进行图像匹配，因为图像之间由于采集而引起的差别会较大的干扰后续的匹配工作。所以在获取采集的图像之后，一般要对之进行相应的预处理，使图像尽可能的作为用于匹配的理想图像。

2　角点检测算法

基于特征点的图像匹配算法，一般先从图像中提取出相应的特征点集，然后计算这些特征点的描述子，最后通过特定的匹配准则进行特征匹配。如果正确匹配的特征点对占所有特征点的比例高于一定的阈值，便能根据相应的提纯滤波算法，比如LMS、RANSAC得到正确匹配的特征点对，从而有效地估算出基准图像和待匹配图像之间几何变换模型的参数值［2］。

角点检测是一种常见的特征点检测算法，包括Harris角点、SUSAN角点和FAST角点检测等。在上述角点检测的基础上加上图像尺度空间理论，就能使检测的角点对尺度变换具有良好的不变性。图1是角点提取结果图。

图1　角点提取结果Fig.1The diagram of corner detection

Harris角点能有效的提取角点特征，它的主要优点有：1）求二阶矩M的时候需要使用灰度差分计算，简单易操作；2）对像素点的角点响应值在邻域内进行非极大值抑制，只提取具有极大响应值的点作为输出角点，这样提取的点均匀而合理；3）提取的特征角点对噪声影响以及图像旋转、灰度变化很稳定。但是Harris角点有一个明显的缺点，即它对尺度变化很敏感。

3　去除误匹配方法

在获取了基准图像和待匹配图像的特征描述符后，需要根据某种相似性度量函数对特征进行匹配。常见的相似性度量一般建立在距离函数的基础上，比如欧氏距离、Hausdorff距离、汉明距离等［3］。一般情况下，使用相似性度量函数不能将所有的特征均正确匹配，匹配的特征点对之间难免会存在错误匹配的现象，而错误的匹配会极大地降低基准图像和待匹配图像之间单应性矩阵的精度。因此，在使用相似性度量函数对使用图像匹配算法完成初始匹配后，还需要进一步剔除错误的匹配［4-5］。

RANSAC算法能高效排除异常数据的干扰，大大提高了模型参数的稳健性，从而广泛应用与各个领域。图像匹配过程中难免会存在错误的匹配，当所得到的匹配点对中存在不高于一定比例的错误匹配时，使用RANSAC算法［6］可以有效的去除错误匹配，从而通过正确匹配的点对得到最优的单应性矩阵参数。

4　改进算法

文中结合了Harris算子给出的描述像素邻域内梯度分布的二阶矩M的思想，其中Harris角点响应函数定义为：Cornerness=Det（M）-k（Trace（M））2。通过求取FAST角点的Harris响应值大小，结合圆形模板去除分布密集现象，同时有效的剔除不稳定的边缘响应点，进而加强后续匹配的稳健性。

图2给出了FAST算子和本文提出的改进FAST角点提取的对比图：

图2　FAST角点检测和改进FAST角点检测结果的对比图Fig.2Comparison of corner detection result between FAST and improved algorithm

改进的FAST角点检测由于消除了分布聚簇现象，而且剔除了不稳定边缘点，相对于FAST角点［7］来说，它对包括噪声、光照、旋转及视角各种变化的整体匹配率有所提高，可以进一步加强后续匹配的鲁棒性。

利用Kalman滤波算法［8］可以有效的平滑运动矢量的高频随机抖动，正确预测摄像机的扫描运动。对组图像序列的仿真结果如图3所示。细曲线表示初始运动矢量，包括主动运动矢量和随机抖动分量，粗曲线表示经Kalman滤波得到的主动运动矢量，两者相减就得到了用于运动补偿的随机抖动分量。

图3　运动矢量的测量和滤波的仿真结果Fig.3The result of motion vector simulation

5　结论

不同的应用领域对于图像匹配的要求也各不相同，目前还不存在一套普遍使用的技术理论框架，也只有在实际特定的应用环境中才能对图像匹配的效果进行研究和探讨。选取能够描述常见抖动现象的Similarity模型。在此基础上使用本文图像匹配算法进行相邻两帧的匹配，通过Ransac算法剔除错误匹配，然后根据正确的匹配点对获取帧间全局运动矢量。由于该矢量不仅包含随机抖动分量，而且包含摄像机主动扫描分量，所以接着使用Kalman滤波的运动补偿技术，可以去除随机抖动的同时保留了图像的真参考文献：

实运动。

［1］宋利，周源华，周军.Robustvideostabilizationbasedonmotion vectors［J］.Journal of Shanghai University，2005（1）：34-38.

［2］阳方林，杨风暴，韦全芳，等.一种新的快速图像匹配算法［J］.计算机工程与应用，2005（5）：22-29.

［3］王慧燕，程翼宇.基于信息测度特征和Hausdorff距离的图像匹配策略［J］.中国图象图形学报，2004（11）：55-57.

［4］舒丽霞，周成平，彭晓明，等.基于Hausdorff距离图象配准方法研究［J］.中国图象图形学报，2003（12）：5-19.

［5］饶军平.自动人脸识别关键算法研究与实现［D］.武汉：华中科技大学，2013.

［6］张逸成.低分辨率交通视频中运动物体识别算法研究［D］.合肥：中国科学技术大学，2014.

［7］王林.头部可运动的头戴式视线跟踪系统关键技术研究［D］.合肥：中国科学技术大学，2014.

［8］王鹏.图像检索中分布式哈希索引技术研究［D］.合肥：中国科学技术大学，2014.

The research of matching method based on image feature extraction and description of feature points

WANG Zhong-jie
（Department of Electronic Information Engineering，Taiyuan 030013，China）

The basic idea of the extracted image feature matching technique is to extract features in the image can contain valid image information，and these features will be described，and the requirements of this process on the viewing angle of the image，scale variation，rotation change，noise and other factors have a certain robustness，and finally through a particular similarity measure to match the feature descriptors.This paper summarizes the results of previous studies，in-depth study of the various features and feature point extraction algorithm is described，on this basis，this paper proposes a new image matching algorithm，and implemented based on real-time electronic image stabilization algorithm for image matching technology.

image feature；matching algorithm；corner detection；noise

TN911.73

A

1674－6236（2015）24-0173-02

2015-02-11稿件编号：201502099

王中杰（1973—），女，山西太原人，硕士研究生，讲师。研究方向：无线通信、图像处理等。