李国祥,王继军,马文斌

(1.广西财经学院 教务处, 广西 南宁 530003; 2.广西师范大学 广西多源信息挖掘与安全重点实验室,广西 桂林 541004; 3.广西财经学院 信息与统计学院, 广西 南宁 530003)

图像匹配是机器视觉重要的组成部分,其主要作用是确定不同视角、光照等条件下的图像空间对应关系,广泛地应用于图像检索、目标追踪、遥感图像处理等领域。图像描述子是当前主要的图像匹配方法,通过对不同特征点描述子间的相似性测量,完成不同特征点之间的匹配。其中最著名的莫过于SIFT[1]算子,以及众多在此基础之上的各种改进算法。

PCA-SIFT[2]选定为以特征点为中心的41×41矩形,计算区域内水平、垂直方向的偏导数,形成该特征点3 042维的特征向量,计算图像所有特征向量的协方差矩阵,生成投影矩阵从而将特征向量降至K维,并显著地提升了SIFT的匹配性能。speeded up robust features(SURF)[3-4]对SIFT进行了有效改进,使用不同尺寸快速海森矩阵检测关键点,同时利用harr小波响应生成64维描述符,大幅提升了特征计算速度。Affine SIFT[5]是一种具备完全的仿射和尺度不变性的特征提取算法,不过其较高的计算复杂度,导致难以满足实时性的要求。另外还有各类基于核函数和混合核函数的特征描述子。BRIEF[6]提供了新的特征描述算法,当完成了特征点定位后，在领域块中随机挑选点对比较亮度值生成256位的二进制编码,但不具备旋转不变性。ORB[7]将特征点提取FAST算法和特征点描述BRIEF结合在一起,并改进了原BRIEF的旋转不变性,特征生成的速度大幅提升,但在尺度方面效果较差。……