左 川,庞春江

(华北电力大学控制与计算机工程学院,河北 保定 071003)

图像匹配是计算机视觉和数字图像处理等学科领域中十分重要且基础性的技术,已经在机器人视觉[1～2]、目标跟踪[3]和图像拼接[4]等领域得到了广泛应用。基于局部特征的图像匹配算法具有鲁棒性强、灵活性高等特点,是当前研究的热点,备受关注。其中尺度不变特征变换(SIFT)、快速鲁棒性特征(SURF)和快速定向二进制描述(ORB)等算法具有典型性。

ORB[5]相比SIFT与SURF算法具有计算量低,运行速度快等优点,但误点率高、像素对比结果易受噪声影响和抗视角变换能力弱等缺点仍影响该算法在实际工程上的应用。在抗视角变换方面,侯毅[6]等人提出仿射不变的快速定向二进制描述(AORB)算法,利用仿射变换模型模拟视角变化,使算法具备完全仿射不变性。曾庆华[7]等人将透视模型与ORB结合得到抗视角变换的快速定向二进制描述(PORB)算法,并利用随机采样一致性(RANSAC)算法进行误点剔除,使算法保持较高匹配精度的同时具有较好的抗视角变换能力。虽然两种算法提高了ORB的抗视角变换能力,但并未考虑算法本身误点率高和描述符易受噪声影响。在特征描述方面,王强[8]等人对二进制鲁棒独立基本特征(BRIEF)算法进行了改进,利用差分大小与差分幅值生成描述符,降低了噪声的影响。李卓[9]等人利用基于学习的三元组(LATCH[10])二进制描述子进行ORB特征描述,提高了描述符的鲁棒性。以上两种方法提高了描述子能力,但其提取的特征点不稳定,误点率高的问题依然存在。……