田杰，徐忠民

（合肥工业大学 机械工程学院，安徽 合肥 230000）

0 引言

图像匹配[1]是指进行图像处理来识别图像中目标对象的技术，是计算机视觉技术中的重要组成部分。图像匹配方法中基于特征的匹配方法可以快速对物体的旋转、遮挡、缩放等图片进行良好匹配，因此是目前最常用的方法也是研究的热点。

基于特征的匹配方法是在模板图像和待匹配图像中提取特征，然后根据两者间的关系进行图像匹配。目前基于特征的匹配方法有SIFT算法、SURF算法、Harris角点检测[2]等方法。2004年，Low提出了一种尺度不变特征变换算法SIFT[3]，具有旋转和尺度不变性、良好的光照适应性等优点，是目前应用最广泛的特征匹配方法。但SIFT算法计算时间过长，据此SURF算法[4]在SIFT算法基础上改进，大量缩短运行时间，但匹配精度有所降低。在工业上，图像匹配一般是针对图像中某工件的，其他区域是无效区域。因此图像匹配时，首先要提取图像中包含工件的部位，这些部位就是感兴趣区域ROI。目前工业现场运用较多的ROI提取方法有基于区域增长和基于边缘分割技术两种[5]。但是针对位姿变换以及光照影响等复杂场景下的实际图片，现有方法并不能有效提取出包含工件的感兴趣区域。

为保证实际复杂项目中实时准确的进行图像中工件的匹配，本文提出一种结合Harris角点检测的改进SURF算法。该改进算法基于Hu不变矩和区域面积进行ROI提取，并在该区域内进行图像匹配。采用Matlab语言实现改进算法的程序，在多种场景下进行实验。……