基于改进orb的图像特征点匹配

科学技术与工 14前为每一个特征点分配一个方向。为此以特征点为中心同时作为坐标原点在其邻域S内计算质心位置然后以特征点为起点质心为终点构造向量，此向量的方向即为此处特征点的方向计算过程如下。用式(1)定义区域S

在某一特征点邻域内计算以子窗口为基础的点对测试值τ。1)中的所有测试值τ根据其与0的差值(距离)排序形成向量T

=

xpyqf(xy (1) (a)将第一个测试值τ放入结果向量Ｒ中并将其从向量T中移除。式1)中f(xy)表示图像的灰度值则此区域质心

(b)从向量T中取下一个测试值τ并将其与向量Ｒ中的所有测试值进行比较 C=M1，0

某一阈值则将其丢弃否则将其加入向量Ｒ

那么特征点方向为:θ=arctan(OＲB2.

/

) (c)重复以上各步骤直到向量Ｒ中有256坐标时为止形成最终描述子。OＲB旋转不变性描述子是一种二进制码串形式的描述子它的思想是图像特征点邻域可以用相对少量的灰度对比来表达其计算简单快速。定义S×S大小的图像邻域P的测试准则τ为:

值增加再一次检测所选的这些测试值τ的相关度，Hamming由于生成的特征点描述子为二进制码串形式，因此使用Hamming距离对特征点匹配较为简单。τpxy ) 匹配点与非匹配点的Hamming距离有着明显的不式(3)中p(x)是图像邻域P在x=(uv)T处的灰度值。选择n个(xy)测试点对时唯一定义了二进制准则这样生成的描述子即为n维的二进制码串，如式(4)所示。 fn(p)=∑2i－1τ(p;xy 式4中，n128256512等具体需要在计算量空间以及识别率之间权衡。上述生成的描述子本身是没有方向的不具备旋转不变性解决方法是使用1.1.2小节中求得的特征点质心方向使描述子中包含有特征点的方向信息。在点对(xiyi)处对于任意具有n个二进制准则集由下式可以定义一个2×n的矩阵

SIＲBSIFT由以上OＲB算法各步骤可以看出OＲB不具备尺度不变性的根本原因在于FAST检测出的特征点不含有尺度不变信息使得在后续OＲB步骤中，虽然可以引进特征点方向来获得旋转不变性但无法使得描述子具备尺度不变性。因此解决OＲB不具备尺度不变性缺陷的措施是要求检测出的特征点需具备尺度不变性从而使得生成的描述子含有尺度不变信息。考虑到SIFT正是利用多尺度空间理论来提取稳定的特征点然后使用SFT描述子对特征点进行描述及匹配才使得SFT算法具备较好的…xn

尺度不变性。因此借鉴SIFT算法思想使用算法中多尺度空间来提取具备尺度不变性的特征式(5)中每一个(xiyi)表示一个测试点对使用θＲθQ的校正版本Qθ:Qθ=ＲθQ。这样就可以得到具备旋gn(p，θ)=fn(p)|(xiyi)∈Qθ(22式(6)生成的描述子向量中点对之间的相关性较大增加了匹配难度需要对测试点对进行约束，主要思想是利用贪婪式搜索来减小点对之间的相关

性。为了降低噪声敏感性在31×31所有点对用5×5点然后再对特征点OＲB描述生成OＲB描述子进而利用Hamming距离进行特征点匹配。因此将改进算法定义为SIB这样不仅解决了OＲB不具备尺度不变性的缺陷同时又保留了OＲBinerg等已经证明［14］，在一些合理的约束之下函数是唯一的尺度空间的平滑核函图像F(xy卷积得到18 等:基于改进OＲB的图像特征点匹 2xy ( 加。所以要想检查主曲率的比值小于某一阈值γ2

2exp

x2+

(

Trace(H)

＜(r+

(为了在尺度空间中有效地检测稳定的特征点，在差分函数与图像卷积得到的空间D(xyσ中寻找极值点其局部极值点作为尺度空间的候选特征点xyσ)xykσ)xy) (式9)中k分开在求得尺度空间中的极值点后需要对这些极值点进行筛选去除不稳定的点以增强特征点匹配时的稳定性和抗噪能力。对于某一个尺度上求得的极值点采用3维的2次函数求该极值点在原图像上的位置并去除低对比度的极值点。首先在某极值点处对D(xyσ)进行展开

Det( 大于8的极值点为边缘上的点从而被滤除。SIＲB在借鉴SFT思想求得具有尺度不变性的稳定特征点后需要求取特征点质心方向然后使用OＲB描述子对特征点进行描述最终生成具有尺度不变性和旋转不变性的二进制码串形式的描述子并进行匹配这样既解决了原OＲB不具备尺度不变性的缺陷又保留了其计算快速的优越性及其他如旋转不变性等良能。总结SＲB算法步骤如下:借鉴SIFT思想建立尺度空间并求取极值D(X)=D

XX

22 2X 2

对式(10)求X的偏导数并令偏导数为零可以得·到极值点 2

OＲB特征点描述子Hamming距离实现特征点匹配实验结果分X= 将式(11)带入式(10)中求得 DT

(

本文使用VisualStudio2010进行编程仿真实验计算机系统是Windows7［In(Ｒ)Core(TM)D(X)=D2·

X DuoCPU2.20GHz，2G内存D(X)0.03值点去除从而滤除低对比度的极值点。为了得到稳定的极值点还需去除边缘上的极值点这可以通过计算主曲率比值来实现。首先计算待检测极值点的矩阵:

为了验证SIＲB算法可以有效地克服OＲB不具备尺度不变性的缺陷以尺度发生变化的测试图像为对象进行了对比实验其中beaver图像的实验结用了FAST角点检测因此提取到了的特征点 H

() 同时也因为基本不具有尺度不变性使得特征点的匹配较为杂乱如beavr图像中尾巴上的特征点基α是H最大的特征值，β是最小的特征值由

本匹配错误头部的特征点也大多匹配错误。而使用SIＲB进行匹配时得到了较为理想的实验结果，Trace(H)=Dxx+Dyy=α+ 如图1(b)所示。对比图1(a)和图1(b)可以发现Det(H)=DxxDyyDxy2)= SIＲB算法在目标发生较大尺度变化的情况下由于H的特征值与D的主曲率对应成比例所以只需关心特征值的比值。设γ是最大最小特征值的比值即α=γβ。则可求得:

较好的匹配效果克服了OＲB不具备尺度不变性的为了进一步说明在图像尺度发生变化的情况Trace(H)Det(

(α+β)

(αβ+β)= =

(r+1)r(

差异8组数据如表1所示表1中反映的是在图像尺度发生变化的情况下式(15)的结果只与两个特征值的比例有关而与具体特征值无关式(15)右边项随着γ的增加而增

从表1中可以看出在图像尺度发生变化时 科学技术与工 141图像尺度变化时匹配对比Fig.1Comparisonofmatchingresultwiththechangesofimagescale1图像尺度变化时匹配准确度对比Table1Comparisonofmatchingaccuracywiththechangesofimagescale匹配算组13772395359849425395635672748477平均326SIＲBOＲB匹配的准确度，SIＲB93.370.7%表明了SIＲB算法在尺度不变性能上的优越性。同时也可以看出在匹配准确度上，SIFT算法略高一筹可能的原因是SIＲB特征点匹配时仅仅使用Hamming距离来度量没有对待匹配的点对作进一步筛选这也是SIＲB需要进一步提高的方向。为了验证SIＲB算法的实用性还需要针对各组测试图像统计各算法的匹配时间如表2所示431小节中的实验图像4组图像不存在尺度的变化只存在旋转光照等

2匹配时间对比Table Comparisonofmatching匹配算组1993725726326754223250031612397903583138平均67252计算可知，SIＲB平均匹配时间约为46.8msOＲB19.1ms，大致相当SIFT29558ms，SIＲB632倍SIＲB算法的匹配速度比SIFT63.2倍表明了SIFT算法的快速优越性。SIＲB将SＲB算法应用到目标系统中得到了良好的实验效果如图2所示。从图2中可以看出虽然被车辆尺度不断发生着变化但是效果良好没有出现跟丢跟错现象这表明了SＲB算法的实用性和可靠性。图2SIＲB算法效Fig2TrackingresultwithSIＲB结结合SIFT思想对OＲB进行改进18 等:基于改进OＲB的图像特征点匹 OＲB不具备尺度不变性的缺陷，同时保留了OＲB快速性的优点。通过实验分析得在图像尺度发生变化时，SIＲB可以有效地、933%，OＲB70.7SIＲB平均匹配时间比OＲB约长19.1ms可认为大致相当，SIＲB平均匹配速度比SIFT约快63.2倍表明了SIＲB的快速优越性将SIＲB算法应用到目标系统中，得到了良好的实验效果进一步验证了SIＲB算法在整个实验中发现，SIＲB匹配准确度比SIFT要低可能的原因是SIＲB在特征点匹配时仅简单使用Hamming距离进行匹配并没有利用其他方法对待匹配的点对进行筛选这也是SIＲB需要进参考文张开玉.基于改进SUＲF的图像配准关键算法研究.科学技术与工程，2013;13(10):28752879ZhangKY，LiangFM.ＲesearchonthekeyalgorithmforimagematchingbasedonimprovedSUＲF.ScienceTechnologyandEngineering，2013;13(10):28752879SinhaSN，FrahmJM，PollefeysM，etal.Featuretrackingandmatchinginusingprogrblegraphicshardware.MachineVisionandApplications，2011;22(1):207217LoweDG.DistinctiveimagefeaturesfromscaleinvariantKeypoints.InternationalJournalofComputerVision，2004;60(2):91100HerbertBay，AndreasEss，TinneTuyaar，etal.SpeededuprobustFeature(SUＲF).ComputerVisionandImageUnderstanding，2008;110(3):346359ＲubleeE，ＲabaudV，KonoligeK，etal.OＲB:anefficientalternativetoSIFTorSUＲF.ProceedingsoftheIEEEInternationalConferenceonComputerVision，Barcelona，Spain，2011:25642571曾峦.改进的SIFT特征提取和匹配算法.光学精密工程，2011;19(06):13911397ZengL，WangYQ，TanJB.ImprovedalgorithmforSIFTfeature

tractionandmatching.OpticsandPrecisionEngineering，2011;19(06):139113977强.一种基于数据聚类的鲁棒SIFT特征匹配方法计算机研究与发展，2012;49(05):1123FanZQ，ZhaoQP.AdataclusteringbasedrobustSIFTfeaturematchingmethod.JournalofComputerＲesearchandDevelopment，2012;49(05):112311298唐朝伟肖健等.全局结构化SIFT描述子在图像匹配中的应用.华技大学学报(自然科学版)，2012;40(01):15TangCW，XiaoJ，ShaoYQ，etal.GlobalstructuredSIFTdescriptoranditsapplicationinimagematching.JHuazhongUnivofSci＆Tech(NaturalScienceEdition)，2012;40(01):15209交王敏等.基于向量夹角的SIFT特征点匹配算法.模式识别与人工智能，2013;26(01):123127WuWJ，WangM，HuangXH，etal.SIFTfeaturematchingalgorithmbasedonvectorangle.PＲ＆AI，2013;26(01):12312710胡益民.基于区域分块的SIFT图像匹配技术研究与实现.光电工程，2013;40(08):5258DuJY，HuHM，LiuYC.ＲesearchandimplementationofmatchingtechniqueofimagebasedonSIFTalgorithmofareablocking.OptoelectronicEngineering，2013;40(08):525811任结周余于耀.基于OＲB自然特征的AＲ实时系统实现.计算机应用研究，2012;29(09):35943596ＲenJ，ZhouY，YuY，etal.ＲealtimeaugmentedrealitybasedonOＲB.ApplicationＲesearchofComputers，2012;29(09):12等.基于OＲB特征的快速目标检测算法.电子测量与仪器学报，2013;27(05):455460LiXH，XieCM，JiaYiZh，etal.ＲapidmovingobjectdetectionalgorithmbasedonOＲBfeatures.JournalofElectronicMeasurementandInstrument，2013;27(05):45546013邹峥嵘.基于改进OＲB算法的遥感图像自动配准方法．资源遥感，2013;25(03):2024ZhangYS，ZouZＲ.AutomaticregistrationmethodforremotesensingimagesbasedonimprovedOＲBalgorithm.ＲemoteSensingforLandandＲesources，2013;25(03):202414LindebergT.Featuredetectionwithautomaticscaleselection.InternationalJournalofComputerVision，1998，30(2):79116(128页 科学技术与工 14Socity，2004;32(1):34BrownBH，BarberDC，SeagarAD.Appliedpotentialtomography:possibleclinicalapplications.ClinicalPhysicsandPhysiologicalMeasurement，1985;6(2):109121KimKY，KangSI，KimMC，etal.DynamicimagereconstructioninelectricalimpedancetomographywithknowninternalrucursIEEETransactionsonMagnetics，2002;28(2):1301BrandstatterB.Jacobiancalculationforelectricalimpedancetomographybasedonthereciprocityprinciple.IEEETransactionsonMagnetics，2003;39(3):13091312KimKY，KimBS，KimMC，etal.ElectricalimpedanceimagingoftwophasefieldswithanadaptivemeshgrouchemeIEEETransactionsonMagnetics，2004;40(2):11241127ZhangS，XuGZ，ZhangXY，etal.Computationofa3Dmodelforlungimagingwithelectricalimpedancetomography.IEEETransactionsonMagnetics，2012;48(2):65165415水泥标准化技术.GB1752007通用硅酸盐水泥

:中国标准TheNationalCementStandardizationTechnicalCommittee.1752007CommonPortlandCement.Beijing:StandardPress，2007:2国家.GB/T13462011水泥标准稠度用水量凝结时间安定性检验方法.:中国标准，2011NationalBureauofQualityInspection.GB/T13462011.Beijing:StandardPress，2011StephanD，MalekiH，KnfelD，etal.InfluenceofCr，Ni，andZnonthepropertiesofpureclinkerphases:PartI.CS.CementandConcreteＲesearch，1999;29(4):545552StephanD，MalekiH，KnfelD，etal.InfluenceofCr，Ni，andZnonthepropertiesofpureclinkerphases:PartII.CAAndCAF.CementandConcreteＲesearch，1999;29(5):651657StephanD，MallmannＲ，KnfelD，etal.HighintakesofCr，Ni，andZninclinker:partII.influenceonthehydrationproperties.CementandConcreteＲesearch，1999;29(12):19591967StudyonEarly-stageCementHydrationbyElectricalImpedanceTomography(KeyLaboratoryofCivilEngineeringSafetyandDurabilityofEducationMinistry，TsinghuaUniversity，Beijing100084，P.Ｒ. ］ThecementhydrationduringthefirstsixhoursaftermixingismonitoredbyElectricalImpedanceTomography(EIT)technologyinthepresentwork.TheEITimagesandvoltage-timecurvesofcementpasteswithwatercementratioof0.3，0.32and0.35，aswellaspastewithcalciumchlorideorzincsulfate，areobtained.Theearlyhydrationprocedureofcementpasteswithdifferentwatercementratioandpasteswithzincsulfatecouldbedi-videdintothreestagesaccordingtotheEITimagesandvoltagecurves.Theearlyhydrationprocedureofcementpasteswithcalciumchloridecouldbedividedintotwostages. ］cementhydrationearly-stageelectricalimpedancetomography(上接109页FeaturePointsMatchinginImagesBasedonImprovedkeQINyanCHEN(SchoolofElectronicandControlEngineering，Chang’anUniversity，Xi’an，710064P．Ｒ． ］BecauseOＲBalgorithmhaslittlescaleinvariancefo