王 颖 王爱民

(东南大学仪器科学与工程学院，南京 210096)

一种鲁棒的二进制图像特征点描述子

王 颖 王爱民

(东南大学仪器科学与工程学院，南京 210096)

为了提高特征点匹配的速度，采用二进制方法生成特征点描述，并对描述子进行了尺度和旋转适应性改进.使用特征点邻域小块中随机点的强度对比生成描述，描述子的相似度以Hamming距离度量，以二进制运算提高算法的时间性能.为了检验算法在视角、旋转及尺度变化时的性能，采用Wall和Graffiti图像集及相应的旋转和尺度变换图像集对算法进行测试，得到该算法在各图像集上的匹配准确率，并与SURF算法得到的结果进行比较.结果表明，在2幅图像间进行特征点匹配时，该算法的特征点描述生成时间和匹配时间分别为1 043.67和4 313.36 ms，而使用SURF算法时的相应时间分别为3 950.34和9 951.03 ms，说明该算法的时间特性明显优于SURF算法.此外，在绝大多数测试集上，该算法的匹配准确率明显高于SURF算法.

特征点;特征匹配;SURF算法

随着算法精度的不断提高，特征点提取与匹配技术越来越多地应用于图像拼接、三维场景重建以及物体的检测、识别、跟踪等领域.部分应用场景(如机器人即时定位与地图构建、增强现实的配准和跟踪等)对实时处理的要求较高，因此需要在保证准确性的情况下，尽可能提高特征点提取与匹配算法的运行速度.目前，应用范围较广的此类算法包括尺度不变特征变换SIFT(scale-invariant fea-ture transform)算法［1-2］和使用近似 Hessian提取算子的 SURF(speeded up robust feature)算法［3］等.

SIFT算法使用……