胡 正，于 涛，王汝童

(北京化工大学 信息科学与技术学院，北京 100029)

0 引言

在大尺寸加工视觉检测中，常需要在大型构件的关键位置安装靶标并拍摄相应图像进行处理以实现测量工作。其中对于被测目标图像的匹配处理，通过获取不同图像间内容的对应关系，为图像拼接、目标追踪乃至三维建模等后续重要应用提供相关依据。图像匹配所使用的特征主要分为区域特征[1-2]、线特征[3-4]和点特征[5-6]。其中点特征又以其稳定性好，不易受到噪声、光照等外在因素影响的特性，在图像匹配中较为常见。然而如SIFT、SURF等点特征匹配方法往往存在内存资源占用多、计算过程繁琐及实时性不高等问题，在视觉测量任务中制约了整体性能，因此有必要研究快速且匹配可靠的图像点特征匹配算法。

点特征匹配首先检测图像中的关键点，结合其所处图像空间给予特定描述，再根据描述符间相似度的比较实现图像匹配。这其中具有代表性的是由Lowe[5]提出的SIFT特征，其主要思想是检测高斯差分图像中的斑点特征，然后由周围像素梯度赋予主方向并形成128维描述符，依据特征描述之间的欧式距离进行匹配。尽管SIFT特征鲁棒性较好，但整体计算量大且特征维数偏高。之后的SURF特征[6]采用盒式滤波器卷积结合积分图像加快运算速度，根据Haar小波响应确定特征描述，使算法耗时有所缩短。由于对图像角点特征的检测速度相比之前算法的斑点特征更快，于是BRISK[7]、ORB[8]等采用FAST角点特征为基础，并根据模板进行BRIEF描述，但又存在特征点边缘性强、利用图像信息单一的缺点。……