高于科,章 伟,胡 陟,江鹏伟

(上海工程技术大学 机器人智能控制实验室,上海 200093)

图像匹配是计算机视觉领域中的研究热点之一,匹配算法常被用于图像之间的目标匹配,在目标识别、三维重建、运动分析以及图像拼接等领域都具有广泛应用。基于局部不变特征的匹配方法在图像匹配领域发展最早[1],在实际运用中更具有灵活性,匹配结果鲁棒性好,因此基于局部不变特征的匹配方法是目前的主流研究方向之一。

基于局部不变特征的匹配算法主要克服了图像的偏移、旋转、尺度缩放以及噪声等困难。文献[2～3]采用点特征算法作为前端输入。文献[4]提出一种改进的线特征方法用于匹配。文献[5]根据点特征构造SURF(Speeded Up Robust Features)和颜色的局部特征进行匹配。文献[6]对点和线特征结合的方法进行匹配。相比于点特征匹配,线特征的描述符能够更有效地携带图像信息,匹配效果鲁棒性更好。

近年来有不少优秀的线段检测的方法被提出[7-9]。大多数情况下,RNFA[10]边缘链检测方法比其他检测器的检测效果好且误报率低[11],并且相对其他方法,其可以检测出梯度较弱但在视觉上有意义的边缘链。

但是,绝大多数线特征匹配[12-14]只考虑目标存在旋转、偏移以及缩放等变换,未考虑目标在镜像中存在对称性翻转。而物体和平面镜像之间的匹配是识别类镜面反射环境的有效途径,可用于在较为平静的内河水域水岸环境进行特征匹配[15],也用于可识别室内中镜面环境[16]。为了实现物体和平面镜像之间的匹配,本文采用携带信息更为丰富的线特征方法,从边缘链检测中引用RNFA方法,在图像中生成更丰富的线段输入。……