賈志前

摘 ?要：針對基于傳統(tǒng)SIFT的圖像匹配法存在的計算量大、耗時長、誤匹配的問題，提出了一種快速、準(zhǔn)確的圖像匹配法。該方法是建立在SIFT算法中特征點的提取不使用SIFT算法確定的關(guān)鍵點而是使用Harris算法中確定的角點，最后利用RANSAN算法去除誤配點來實現(xiàn)兩幅圖像的匹配。實驗結(jié)果表明采用基于改進SIFT的圖像匹配法比基于傳統(tǒng)SIFT的圖像匹配法平均節(jié)約1.8s，并且準(zhǔn)確率更高。

關(guān)鍵詞：圖像匹配;SIFT算法;Harris算法;RANSAN算法

引言

機器視覺技術(shù)在現(xiàn)代工業(yè)中被廣泛的使用，尤其是在工業(yè)產(chǎn)品檢測領(lǐng)域。對待檢產(chǎn)品的檢測的過程其實質(zhì)是將待檢產(chǎn)品圖像與合格產(chǎn)品圖像進行匹配的過程。目前圖像匹配的常用方法有兩類：基于灰度的圖像匹配和基于特征的圖像匹配[1]。

基于灰度的圖像匹配法是直接利用圖像的灰度信息進行匹配，算法簡單，但存在匹配速度比較低，對灰度信息變化非常敏感易出現(xiàn)誤匹配等不足?；谔卣鞯膱D像匹配法需要先對圖像提取特征，其克服了基于灰度的圖像匹配法中存在的不足故被廣泛應(yīng)用。基于特征的圖像匹配法中SIFT算法因具備尺度、旋轉(zhuǎn)、平移的不變性等優(yōu)點，故其被普遍應(yīng)用，但是它在匹配速度和準(zhǔn)確度方面有所不足，不能滿足工業(yè)檢測的要求。文章提出一種基于改進SIFT算法在匹配速度和準(zhǔn)確度方面有很大的突破。

1 SIFT算法

SIFT算法對尺度縮放、旋轉(zhuǎn)甚至視角變化等方面都保持不變性，是眾多基于特征的圖像匹配算法中最穩(wěn)定的算法。該算法的主要流程如圖1所示。

圖1 SIFT算法流程圖

特征點檢測：構(gòu)建尺度空間，判斷檢測極值點，去除不穩(wěn)定點（即低對比度點和邊緣響應(yīng)點），最后剩下的極值點則為特征點。特征點描述：通過計算特征點梯度的幅值和方向來表征這個特征點，為所有特征點確定其尺度、位置、方向三個信息，最后采用128維向量為每個特征點建立對應(yīng)的描述符。特征點匹配：將模板圖像和待匹配圖像中所提取的特征點用某種相似性度量函數(shù)（如歐氏距離比）進行匹配[2]。

2 改進的SIFT算法

SIFT算法在特征點提取時，因要多次進行高斯核函數(shù)與圖像的卷積計算，故會出現(xiàn)運算量較大、耗時較長的問題，且該算法在特征點匹配的過程中會存在錯誤匹配的現(xiàn)象，所以需對該算法進行改進。文章建立在SIFT算法中特征點的提取不使用SIFT算法確定的關(guān)鍵點而是使用Harris算法中確定的角點，這就解決了在提取特征點的過程中SIFT算法花費時間長的問題，采用RANSAC算法除去誤匹配點。

2.1 改進SIFT算法的基本步驟

（1）采用Harris算子分別對模板圖像和待匹配圖像提取圖像的角點，建立角點集。（2）對（1）中確定的所有角點，使用SIFT算法中特征向量描述法，為每一個角點分配方向值，生成特征描述子。（3）將模板圖像和待匹配圖像中所確定的特征描述子用某種相似性度量函數(shù)（如歐氏距離比）進行匹配。（4）采用RANSAC算法[3]除去誤匹配點。

2.2 Harris算子的角點提取

Harris算子[4]的角點提取是采用式（1）和（2）確定的。

R=detM-k（traceM）2 ? ? ? ? ? ? ? （1）

（2）

（2）式中Ix為圖像中該點（x，y）在x方向的導(dǎo)數(shù);Iy為圖像中該點在y方向的導(dǎo)數(shù);a，b是M的兩個特征值。（1）式中detM表示M的行列式，等于a與b之和;traceM表示M的跡，等于a與b之積;k為常數(shù)（一般取值為0.04-0.06）。當(dāng)R值大于某一閾法值且在某一鄰域內(nèi)取的局部極值時則標(biāo)記為角點。

3 實驗結(jié)果及分析

實驗環(huán)境是，Intel（R） Core（TM） i5-2450M CPU@2.5GHZ 2.50GHZ的處理器，4.00GB內(nèi)存，仿真品臺Matlab2010b，操作系統(tǒng)Windows7。實驗采用的匹配圖像如圖2、圖3所示，實驗結(jié)果如圖4至圖7，最終圖像匹配數(shù)據(jù)對比如表1所示。

從圖像和數(shù)據(jù)對比可以看出，改進SIFT算法比傳統(tǒng)SIFT算法在匹配時間上明顯減少，大大提高了匹配速度，誤匹配點更少，匹配效果更好。改進SIFT算法可以滿足工業(yè)檢測的實時性，對以后的產(chǎn)品檢測有很高的研究價值。

4 結(jié)束語

文章提出了一種基于改進SIFT圖像匹配算法，即建立在SIFT算法中特征點的提取不使用SIFT算法確定的關(guān)鍵點而是使用Harris算法中確定的角點，最后采用RANSAC算法除去誤匹配點實現(xiàn)圖像匹配。該方法大大地減小了圖像特征提取的運算量，很好地減少了誤匹配點，極大地提高了圖像匹配的速度和效果。實驗結(jié)果表明本方法匹配速度較快及匹配效果較好，適用于實時性要求高的工業(yè)批量生產(chǎn)領(lǐng)域。

參考文獻

[1]韓躍平.復(fù)雜產(chǎn)品內(nèi)部結(jié)構(gòu)裝配正確性X射線自動檢測技術(shù)研究[D].中北大學(xué)，2009：16-26.

[2]趙輝.基于點特征的圖像配準(zhǔn)算法研究[D].山東大學(xué)，2006.

[3]邱亞輝，李長青，崔有幀.RANSAC算法在剔除圖像配準(zhǔn)中誤匹配點的應(yīng)用[J].影像技術(shù)，2014，26（4）.

[4]陳賢巧.基于特征的圖像配準(zhǔn)算法研究[D].中國科學(xué)技術(shù)大學(xué)，2009，5.