周 涵， 马增强,2， 许丹丹， 钱荣威

(1.石家庄铁道大学 电气与电子工程学院，河北 石家庄 050000；2.石家庄铁道大学 省部共建交通工程结构力学行为与系统安全国家重点实验室，河北 石家庄 050043)

0 引言

特征点匹配是数字图像处理技术中重要的研究内容，是图像拼接、目标定位与检测等技术中的基础。Lowe[1]在2006年提出的SIFT(Scale Invariant Feature Transform)匹配算法具有很高的匹配正确率，但算法本身计算复杂，运行时间较长。之后Bay et al[2]提出了SURF(Speeded Up Robust Feature)算法，虽然SURF算法运行速度比SIFT算法有了很大提升,但仍不能满足某些高实时性需求。因此刘伟等[3]于2018年提出了一种新的特征点匹配算法：ORB算法。它在运算速度上与SIFT和SURF算法相比优势明显且对光照变换、旋转变换以及噪声都具有较好的鲁棒性。但是ORB算法不具有尺度不变性的缺点，当图像尺度变化时，匹配正确率大大降低。文献[4]将SURF算法与ORB算法结合并在特征点匹配阶段使用BBF算法与RANSAC算法进行特征点匹配，提高了ORB算法在图像尺度变化时的特征点匹配正确率；文献[5]采用SIFT-ORB-MRANSAC融合算法，完成特征点的提取、匹配以及去除误匹配，提高了ORB算法在图像尺度变化时的匹配效率和匹配精准度。虽然以上方法有效解决了ORB算法不具有尺度不变性的不足，但是一定程度上也增加了算法的复杂度，增加了运算时间。

现提出使用多尺度Shi-Tomasi特征点检测算法对ORB算法进行改进，将改进算法定义为STORB算法。首先构造多尺度空间，经过特征点预筛选后利用Shi-Tomasi算法检测特征点分布均匀、准确的优点检测出具有尺度信息且特征明显的特征点，然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子后进行特征点初匹配，最后使用RANSAC算法对初匹配结果进行优化,得到准确的匹配特征点对。……