亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        多重提純算法約束的圖像特征點(diǎn)匹配

        2016-12-27 02:36:59段云龍李春雷
        地理空間信息 2016年5期
        關(guān)鍵詞:極線對(duì)稱性比值

        熊 威,段云龍,潘 彤,李春雷

        (1.中國(guó)地震局 第一監(jiān)測(cè)中心,天津 300180;2.中國(guó)電子科技集團(tuán)公司 第二十七研究所,河南 鄭州450047;3.天津市勘察院,天津 300000;4.海洋石油工程(青島)股份有限公司,山東 青島 266520)

        多重提純算法約束的圖像特征點(diǎn)匹配

        熊 威1,段云龍2,潘 彤3,李春雷4

        (1.中國(guó)地震局 第一監(jiān)測(cè)中心,天津 300180;2.中國(guó)電子科技集團(tuán)公司 第二十七研究所,河南 鄭州450047;3.天津市勘察院,天津 300000;4.海洋石油工程(青島)股份有限公司,山東 青島 266520)

        針對(duì)特征點(diǎn)匹配準(zhǔn)確度和效率不高的問(wèn)題,提出了一種多重提純算法約束下的特征點(diǎn)匹配方法。采用影像的SURF特征點(diǎn)作為匹配基元,利用比率、對(duì)稱性和基于極線約束的隨機(jī)采樣一致性3種算法進(jìn)行圖像特征點(diǎn)提純和匹配。實(shí)驗(yàn)表明,該方法能夠消除大多數(shù)的錯(cuò)誤匹配,彌補(bǔ)了單一匹配算法的不足,具有較高的準(zhǔn)確性和效率。

        比率;對(duì)稱性;隨機(jī)采樣一致性;極線約束;特征點(diǎn)匹配

        特征點(diǎn)匹配問(wèn)題可歸結(jié)為在2個(gè)點(diǎn)集中求解對(duì)應(yīng)關(guān)系,建立點(diǎn)對(duì)間匹配關(guān)系的問(wèn)題。匹配的結(jié)果直接決定圖像拼接和三維重建效果的好壞。一般來(lái)說(shuō)特征點(diǎn)匹配可分為3步:特征提取,利用一組參數(shù)對(duì)特征作描述,利用一定的匹配算法進(jìn)行特征點(diǎn)匹配并提純。

        由于成像環(huán)境的復(fù)雜性,一個(gè)穩(wěn)定且可靠的匹配算法需要具備以下特性:①特征提取算子除了要具有準(zhǔn)確性、魯棒性還要具有光照、尺度、旋轉(zhuǎn)等不變性;②匹配算法要具有高效性和準(zhǔn)確性。鑒于此,在特征點(diǎn)匹配領(lǐng)域,前人提出了很多特征提取算子和匹配算法。目前,在特征算子的設(shè)計(jì)方面綜合性能最優(yōu)的當(dāng)屬SIFT[1]算子和SURF[2]算子。匹配算法的設(shè)計(jì)主要分2類:線性掃描法和先建立數(shù)據(jù)索引,再進(jìn)行快速匹配。由于實(shí)際數(shù)據(jù)一般都會(huì)呈現(xiàn)簇狀的聚類形態(tài),通過(guò)設(shè)計(jì)有效的索引結(jié)構(gòu)可大大加速檢索速度。常用的索引結(jié)構(gòu)主要分為樹(shù)結(jié)構(gòu)索引和非樹(shù)結(jié)構(gòu)索引[3-4]。樹(shù)結(jié)構(gòu)索引主要有Kd?樹(shù)[5]和R?樹(shù)[6];非樹(shù)結(jié)構(gòu)索引主要有Hash法和空間填充曲線法等[7]。窮盡搜索算法屬于線性掃描法,是最簡(jiǎn)單的一種遍歷式搜索匹配算法,在特征點(diǎn)集規(guī)模不大時(shí)其效率更高。文獻(xiàn)[1]提出了基于最優(yōu)節(jié)點(diǎn)優(yōu)先 (BBF)的查詢機(jī)制的改進(jìn)Kd? 樹(shù)最近鄰查詢算法(NN)。但是BBF是以精度為代價(jià)獲得快速數(shù)據(jù)查詢的,屬于近似匹配,并非最佳的查詢算法。文獻(xiàn)[8]提出了改進(jìn)的Spill?樹(shù)算法,該算法中鄰域會(huì)隨查詢點(diǎn)的移動(dòng)而自動(dòng)被包含在它所處的節(jié)點(diǎn)一側(cè),極具搜索效率。文獻(xiàn)[9]比較了多種匹配算法,并提出在層次性的K?均值樹(shù)中進(jìn)行優(yōu)化搜索,總結(jié)得出多個(gè)隨機(jī)Kd?樹(shù)取得的性能最好。經(jīng)過(guò)匹配算法得到的初始匹配經(jīng)常會(huì)包含一定數(shù)量的錯(cuò)誤匹配點(diǎn)對(duì),而求解高精度的變換參數(shù)需要精確的匹配點(diǎn)對(duì)。因此,在獲得初始匹配點(diǎn)對(duì)后需要加入若干約束關(guān)系用于剔除錯(cuò)誤的匹配點(diǎn)對(duì)。在局部特征點(diǎn)匹配研究領(lǐng)域中,用于提純的約束關(guān)系有多種,其中相對(duì)簡(jiǎn)單且常用的主要有比值法、對(duì)稱性法、透視變換法、極線約束法和三維模型法等。在模型估計(jì)中常見(jiàn)的魯棒算法主要有最小中值法(L-MedS)[10]、M估計(jì)法[11]、MLESAC法[12]和隨機(jī)采樣一致性(RANSAC)法[13]等。

        本文在眾多學(xué)者研究的基礎(chǔ)上,提出了一種采用比率、對(duì)稱性和RANSAC三種提純算法約束的特征點(diǎn)提純和匹配方法,在RANSAC提純算法中使用的約束模型是極線幾何[14]。該方法能夠獲得兩幅圖像之間的特征點(diǎn)對(duì)優(yōu)質(zhì)匹配集合。

        1 特征點(diǎn)匹配方法及步驟

        多重提純算法約束的特征點(diǎn)匹配的主要思想是首先提取影像對(duì)的SURF特征算子生成特征描述符;然后采用最近鄰算法k-NN進(jìn)行匹配,同時(shí)采用基于Kd?樹(shù)搜索算法的BBF搜索算法對(duì)最近鄰進(jìn)行搜索,以此來(lái)提高匹配效率;再利用比率、對(duì)稱性和基于極線幾何的RANSAC三種約束關(guān)系消除不正確的匹配點(diǎn)對(duì),生成用于圖像間變換計(jì)算的同名特征點(diǎn)對(duì)集合。

        1.1 比值提純法

        對(duì)于每一個(gè)特征點(diǎn),在另一個(gè)視角中搜索出的兩個(gè)最近的特征點(diǎn),如果對(duì)于最優(yōu)特征點(diǎn)的度量距離非常小,而對(duì)于次優(yōu)特征點(diǎn)度量距離非常大,則可以完全地接受最優(yōu)特征點(diǎn)為最匹配的特征點(diǎn);反之,如果兩個(gè)候選特征點(diǎn)非常接近,那么選擇其中之一可能出錯(cuò),因此這兩個(gè)候選特征點(diǎn)都會(huì)被拒絕。具體做法為:兩幅圖像的SURF特征描述符都產(chǎn)生后,令圖像a中的特征點(diǎn)為基準(zhǔn)集{pi},i=1,2,…,n,圖像b中的特征點(diǎn)目標(biāo)集{qj},j=1,2,…,m。在進(jìn)行特征匹配時(shí),對(duì)于圖像a中的每個(gè)特征點(diǎn)pi在圖像b中都搜尋兩個(gè)最近的特征點(diǎn):最近特征點(diǎn)qm和次近特征點(diǎn)qn。如果特征點(diǎn)pi與最近特征點(diǎn)qm和次近特征點(diǎn)qn之間的距離的比值小于給定的閾值,則接受特征點(diǎn)qm為最匹配特征點(diǎn);否則,拒絕接受這兩個(gè)特征點(diǎn)為最匹配特征點(diǎn)并將其移除。同樣,對(duì)于圖像b中的每個(gè)特征點(diǎn)qj重復(fù)以上操作。本文實(shí)驗(yàn)中設(shè)置的比值閾值為0.65。

        1.2 對(duì)稱性提純法

        通過(guò)比值提純,同時(shí)獲得兩個(gè)相對(duì)優(yōu)質(zhì)的匹配集,一個(gè)來(lái)自圖像a到圖像b,另一個(gè)來(lái)自圖像b到圖像a。但還有一定數(shù)量的錯(cuò)誤匹配通過(guò)了測(cè)試,因此設(shè)計(jì)了對(duì)稱性匹配提純(雙向匹配提純)。該方法提取同時(shí)滿足兩個(gè)匹配集的特征點(diǎn)對(duì),這些特征點(diǎn)對(duì)必須是各自的最優(yōu)匹配特征點(diǎn),即對(duì)于圖像a中的某個(gè)特征點(diǎn)pi,在匹配集a中搜索出其在圖像b中的匹配特征點(diǎn)qj,同時(shí)判斷qj在匹配集b中的匹配特征點(diǎn)是否為圖像a中的特征點(diǎn)pi;如果是,則這一匹配點(diǎn)對(duì)通過(guò)對(duì)稱性提純,視為匹配點(diǎn)對(duì),否則不是匹配點(diǎn)對(duì)。

        1.3 一致性提純法

        RANSAC算法是計(jì)算機(jī)視覺(jué)領(lǐng)域中應(yīng)用最廣的穩(wěn)健估計(jì)方法,屬于假設(shè)?驗(yàn)證估計(jì)方法,在運(yùn)動(dòng)姿態(tài)估計(jì)、基礎(chǔ)矩陣估計(jì)、特征匹配等方面應(yīng)用廣泛。它通過(guò)極線約束法來(lái)移除不滿足極線約束的匹配點(diǎn)對(duì),不僅能有效剔除錯(cuò)誤匹配,還能計(jì)算出基礎(chǔ)矩陣。

        在RANSAC算法中,需要確定距離閾值和置信概率;距離閾值用來(lái)判定內(nèi)外點(diǎn),置信概率決定隨機(jī)采樣的次數(shù)。本文中,距離閾值設(shè)為1,置信概率設(shè)為0.98,流程見(jiàn)圖1。

        圖1 算法流程圖

        2 實(shí)驗(yàn)結(jié)果

        本文在普通的PC機(jī)上實(shí)現(xiàn)了多重提純算法約束的特征點(diǎn)匹配。實(shí)驗(yàn)平臺(tái)配置為:Windows XP SP3操作系統(tǒng),Intel Core 2 Quad Q6600@2.40GHz處理器,2 GB內(nèi)存,ATI Radeon HD 2400 PRO顯卡,Visual C++2010開(kāi)發(fā)環(huán)境。兩幅圖像的尺寸均為640像素×480 像素。匹配實(shí)驗(yàn)結(jié)果如圖2所示。

        圖2 多重提純算法約束的特征點(diǎn)匹配結(jié)果

        用SURF算子分別對(duì)原圖像進(jìn)行特征檢測(cè)與描述,檢測(cè)出的特征如圖2c、圖2d所示,兩幅圖分別提取出3 229個(gè)和3 710個(gè)特征點(diǎn)。圖2e、圖2f是分別經(jīng)過(guò)最近鄰搜索算法初始匹配后再通過(guò)比值提純的結(jié)果,兩幅圖通過(guò)比值測(cè)試的點(diǎn)對(duì)分別為380個(gè)和376 個(gè),大量不符合條件的匹配被剔除。圖2g和圖2h是分別經(jīng)過(guò)對(duì)稱性提純后的結(jié)果,兩幅圖共同通過(guò)對(duì)稱性測(cè)試的點(diǎn)對(duì)為289個(gè)。最后利用基于極線約束模型的RANSAC算法剔除錯(cuò)誤匹配點(diǎn)對(duì)后得到234對(duì)正確匹配的特征點(diǎn),如圖2i~圖2k所示。錯(cuò)誤的匹配點(diǎn)對(duì)基本已被剔除,實(shí)現(xiàn)了特征點(diǎn)對(duì)的正確匹配。匹配實(shí)驗(yàn)的統(tǒng)計(jì)信息如表1所示。

        表1 匹配實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)表

        3 結(jié) 語(yǔ)

        本文在圖像特征點(diǎn)匹配過(guò)程中加入了3種提純算法,即比值提純法、對(duì)稱性提純法和基于極線約束的RANSAC算法。實(shí)驗(yàn)結(jié)果表明,采用多重提純策略的特征點(diǎn)匹配可極大剔除錯(cuò)誤的匹配點(diǎn)對(duì),彌補(bǔ)了單一匹配算法的不足,提高了匹配可信度。該算法對(duì)圖像配準(zhǔn)、攝影測(cè)量和立體視覺(jué)等具有較大實(shí)用意義。

        [1] David G Lowe. Distinctive Image Features from Scaleinvariant Key Points[J]. International Journal of Computer Vision,2004,60(2)∶91-110

        [2] Herbert Bay, Andreas Ess, Tinne Tuytelaars, et al. Speeded-up Robust Features (SURF)[J].Computer Vision and Image Understanding, 2008,110(3)∶346-358

        [3] 王永明,王貴錦.圖像局部不變特征與描述[M].北京∶國(guó)防工業(yè)出版社,2010

        [4] Richard Szeliski.計(jì)算機(jī)視覺(jué):算法與應(yīng)用[M].艾海舟,譯.北京∶清華大學(xué)出版社,2012

        [5] Bentley J L. Multidimensional Binary Search Trees Used for Associative Searching[J]. Communication of the ACM,1975,18(9)∶509-517

        [6] Guttman A. R-trees∶ a Dynamic Index Structure for Spatial Searching[EB/OL]. http∶//pages.cs.wisc.edu/~nil/764/Relat/7_ rtree.pdf, 2014/2015-06-25

        [7] Gaede V, Gunther O. Multidimensional Access Methods[J]. ACM Computer Surveys,1998,30(2)∶170-231

        [8] LIU T, Moore A. An Investigation of Practial Approximate Nearest Neighbor Algorithms[EB/OL]. http∶//www.cs.cmu. edu/~tingliu/my_papers/nips04.pdf, 2014/2015-06-27

        [9] M Muja, Lowe D G. Fast Approximate Nearest Neighbors with Automatic Algorithms Configuration[EB/OL].http∶//citeseerx. ist.psu.edu/viewdoc/summary?doi=10.1.1.160.1721&rank=1,20 14/2015-06-22

        [10] ZHANG Zhengyou, Rachid Deriche, Oliver Faugeras, et al. A Robust Technique for Matching Two Uncalibrated Image through the Recovery of the Unknown Epipolar Geometry[J]. Artificial Intelligence,1995,28(1/2)∶87-119

        [11] Huber P J. Robust Statistics[M]. New York∶ John Wiley,1981

        [12] Torr P H S, Zisserman A.MELSAC∶ a New Robust Estimator with Application to Estimating Image Geometry[J]. Computer Vision and Image Understanding,2000(1)∶138-156

        [13] Fischler M A, Bolles R C. Random Sample Consensus∶ a Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography[J].Communication Association Machine,1981,24(6)∶381-395

        [14] Hartley R, Zisserman A.計(jì)算機(jī)視覺(jué)中的多視圖幾何[M].韋穗, 楊尚駿,譯.合肥∶安徽大學(xué)出版社,2002

        圖1 靜態(tài)最佳路徑圖

        圖2 動(dòng)態(tài)最佳路徑圖

        3)通過(guò)比較圖1、2可以得出,從陶寓村到新西社區(qū)的靜態(tài)和動(dòng)態(tài)最佳路徑差別較大,靜態(tài)最佳路徑所走路程為15 647.1 m,花費(fèi)時(shí)間為59.7 min;而動(dòng)態(tài)最佳路徑所走路程為17 713.1 m,花費(fèi)時(shí)間為21.9 min。靜態(tài)最佳路徑所走路程少,但耗時(shí)較多,相反動(dòng)態(tài)最佳路徑所花時(shí)間較少,這與區(qū)域的道路等級(jí)和交通狀況等有著密切的關(guān)系。在實(shí)際轉(zhuǎn)移工程中,可以根據(jù)實(shí)際情況選擇不同的交通工具和選擇不同的路徑。

        參考文獻(xiàn)

        [1] 李發(fā)文.洪災(zāi)避遷決策理論及其應(yīng)用研究[D].南京∶河海大學(xué),2005

        [2] 劉家福,梁雨華.基于信息擴(kuò)散理論的洪水災(zāi)害風(fēng)險(xiǎn)分析[J].吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2009(3)∶78-80

        [3] 劉碩,賈艾晨.洪災(zāi)中避難路線的選擇研究[J].水利與建筑工程學(xué)報(bào),2008,6(4)∶132-134

        [4] 李超杰,宮輝力,李小娟.洪災(zāi)避難遷移模型研究與應(yīng)用[J].地理空間信息,2007,5(2)∶39-42

        [5] 魏一鳴,金菊良,楊存建,等.洪水災(zāi)害風(fēng)險(xiǎn)管理理論[M].北京∶科學(xué)出版社,2002

        [6] 侯燕,賈艾晨.基于ArcGIS的洪災(zāi)避難方案選擇研究[J].水電能源科學(xué),2010,28(9)∶106-109

        [7] 于德新.車輛誘導(dǎo)系統(tǒng)理論模型和關(guān)鍵技術(shù)研究[D].長(zhǎng)春∶吉林大學(xué)交通學(xué)院,2006

        [8] 張郭燕.地鐵施工對(duì)城市道路服務(wù)水平的影響[D].西安∶長(zhǎng)安大學(xué),2008

        第一作者簡(jiǎn)介:于大超,碩士,研究方向?yàn)榭臻g信息分析與應(yīng)用。

        P23

        B

        1672-4623(2016)05-0078-03

        10.3969/j.issn.1672-4623.2016.05.025

        熊威,主要從事基于水準(zhǔn)及GPS數(shù)據(jù)的地殼形變研究。

        2015-07-08。

        項(xiàng)目來(lái)源:一測(cè)中心科技創(chuàng)新主任基金資助項(xiàng)目(FMC2014010);中國(guó)綜合地球物理場(chǎng)觀測(cè)資助項(xiàng)目(201208009)。

        猜你喜歡
        極線對(duì)稱性比值
        一類截?cái)郒ankel算子的復(fù)對(duì)稱性
        巧用對(duì)稱性解題
        橫向不調(diào)伴TMD患者髁突位置及對(duì)稱性
        破解定值有妙法,極點(diǎn)極線顯神威
        一道高考試題的背景簡(jiǎn)介
        比值遙感蝕變信息提取及閾值確定(插圖)
        河北遙感(2017年2期)2017-08-07 14:49:00
        巧用對(duì)稱性解題
        不同應(yīng)變率比值計(jì)算方法在甲狀腺惡性腫瘤診斷中的應(yīng)用
        雙電機(jī)比值聯(lián)動(dòng)控制系統(tǒng)
        簡(jiǎn)述與圓錐曲線的極點(diǎn)和極線有關(guān)的性質(zhì)
        正在播放一区| 日日碰狠狠添天天爽超碰97| 国产精品黑丝高跟在线粉嫩| 强开小婷嫩苞又嫩又紧视频| 在线观看视频播放| 国产精选污视频在线观看| 国产日产高清欧美一区| 欧美伊人亚洲伊人色综| 国产经典免费视频在线观看| 高清国产精品一区二区| 国产免费一区二区在线视频| 强开小婷嫩苞又嫩又紧视频韩国| 欧美午夜刺激影院| 人人妻人人澡人人爽人人精品| 国产成人乱色伦区小说| 成人国产在线播放自拍| 在线亚洲精品中文字幕美乳色| 开心五月婷婷激情综合网| 国产成人无码综合亚洲日韩| 性色av无码久久一区二区三区| 91麻豆国产香蕉久久精品| 国产免费一区二区av| 亚洲国产91高清在线| av天堂精品久久综合网 | 日本熟妇hdsex视频| 欧美成人一区二区三区| 国产精品视频流白浆免费视频| 欧美在线观看www| 在线不卡精品免费视频| 十八禁无遮挡99精品国产| 国产精品免费看久久久8| 亚洲欧美精品91| 久久亚洲精彩无码天堂| 国产精品亚洲二区在线| 国产精品国产三级国产av品爱网 | 狠狠色狠狠色综合久久第一次 | 操风骚人妻沉沦中文字幕| 国产尤物精品福利视频| 免费的一级毛片| 蜜桃人妻午夜精品一区二区三区| 亚洲性色av一区二区三区|