王灿进，孙 涛，陈 娟

（1.中国科学院 长春光学精密机械与物理研究所激光与物质相互作用国家重点实验室，吉林 长春130033；2.中国科学院大学，北京100049）

1 引 言

图像匹配是指在不同视点的两幅图像中寻找对应的同名点，以确定两幅图像之间的空间变换关系的过程，其在图像检索［1］、宽基线匹配［2］、图像配准［3－5］、目 标 识 别［6－8］、全 景 图 拼 接［9］、星 点 匹配［10］、电子稳像［11］、三维重建［12］等领域得到广泛的应用。就目前的匹配技术而言，主要分为基于灰度的图像匹配方法和基于特征的图像匹配方法。基于灰度的匹配方法对于噪声和光照的鲁棒性较弱，已逐渐不再使用。

基于特征的图像匹配方法中，局部不变特征因对于光照变化、由目标和相机相对运动引起的图像模糊、噪声、遮挡有很好的鲁棒性，对于透视变换、尺度缩放等具有不变性而得到广泛的使用。局部不变特征在近十年来发展迅速，著名的算法包括2004年Lowe提 出 的SIFT［8］、2007 年Bay提 出 的SURF［13］、2010 年Calonder 等 提 出 的BRIEF［14］，2011 年Stefan 等 提 出 的BRISK［15］、Rublee等提出的ORB［16］、2012年Alahi等人提出的FREAK［17］等。SIFT 和SURF 的特征点检测过程都是对LOG 算子的近似加速，生成特征向量时，SIFT 计算的是采样点周围的梯度方向直方图，而SURF计算的是Haar特征的累加和，最后计算特征向量的欧式距离进行匹配。而BRIEF等算子则采用不同的采样模式，生成二进制描述子，依靠计算汉明距离（异或）进行匹配。尤其是FREAK 算子，其采样点的模式接近于人类视网膜（Human Retina）的拓扑结构，在匹配过程中模拟人类视觉的扫视搜索，取得了很好的性能。模拟人类视觉系统是目前计算机视觉的一个重要的发展方向。……