图像局部特征匹配算法发展综述
2019-05-17林曦蕾
现代计算机 2019年9期
林曦蕾
(四川大学计算机学院,成都610065)
0 引言
图像匹配算法经过几十年的发展,产生了很多经典的算法,整体上来说可以分成四种类型[1]:基于图像灰度的图像匹配算法、基于变换域的图像匹配算法、基于模板的图像匹配算法和给予特征的图像匹配算法。基于特征的匹配算法通过提取图像中对形变、光照等具有不变性的信息,对这些信息进行描述构造描述符,之后对这些特征进行匹配,计算出图像之间几何变换的参数。基于特征的匹配算法比起基于灰度的匹配算法是用更少的信息进行匹配,从而大大提高运算速度。除此之外,特征点等局部信息对图像遮挡、形变等也有很好的鲁棒性。常见的算法有SIFT算法[2]、SURF算法[3]、ORB 算法[4]等。
1 图像特征匹配算法
1. 1 算法描述
基于特征的匹配算法主要包括特征提取、特征匹配、生成几何变换这几个步骤。特征提取是指提取出图像中具有代表性的信息,例如:图像中的角点、拐点等,提取出来的信息必须满足对尺度、旋转、光照、视角和噪声干扰等影响因素具有一定程度的鲁棒性。除此之外所提取的特征还必须具有独特性,以防止将相似的特征被误认为是相同的事物,从而造成特征的误匹配。经算法提取出来的图像特征主要由点、线和面这三种类型,其中由点构成局部特征对噪声、形变等具有较强的鲁棒性,因此当前很多的特征匹配算法选择以点作为特征。
特征匹配是指为图像中的特征寻找对应关系的过程。……
登录APP查看全文
