陸曉燕

1.引言

圖像配準(zhǔn)指的是對(duì)描述同一對(duì)象或場(chǎng)景的兩幅或多幅圖像進(jìn)行匹配、變換的過程。通過對(duì)各種圖像數(shù)據(jù)的綜合提取有用信息的圖像分析技術(shù)而言，圖像配準(zhǔn)是關(guān)鍵的步驟[1]。圖像配準(zhǔn)技術(shù)在衛(wèi)星遙感圖像處理、醫(yī)學(xué)診斷輔助、計(jì)算機(jī)視覺等領(lǐng)域都有著廣泛的應(yīng)用。

圖像配準(zhǔn)算法中基于特征點(diǎn)圖像匹配算法一直處于重要的地位，該類算法針對(duì)產(chǎn)生尺度，亮度，視角，光照變化的圖片匹配效果優(yōu)于其他匹配算法。SIFT（Scale Invariant Feature Transfom）算法[2]和基于SIFT改進(jìn)的算法如SURF（speeded up robust features）、GLOH（gradient location-orientation histogram）和PCA-SIFT在基于特征點(diǎn)的圖像匹配算法中被廣泛使用。但是這類算法主要是依賴高斯模糊構(gòu)建線性的尺度空間，容易在過濾噪聲的同時(shí)也模糊了圖像從而使得圖像細(xì)節(jié)特征的局部準(zhǔn)確性和區(qū)分性降低。為解決這一問題，Alcantarilla 提出了一種新的特征檢測(cè)算法 KAZE算法[3]，該算法利用一個(gè)非線性擴(kuò)散濾波器來構(gòu)造尺度空間，由于各項(xiàng)異性擴(kuò)散濾波性質(zhì)能夠保留了圖像邊緣和細(xì)節(jié)信息。雖然KAZE算法能夠保留圖像細(xì)節(jié)信息避免邊緣模糊，但是非線性尺度空間構(gòu)建耗時(shí)太長(zhǎng)特征檢測(cè)的速度接近SIFT，所以2013年9月 Pablo F.發(fā)布了加速版KAZE算法，稱為AKAZE[4]。

AKAZE算法采用的差分二進(jìn)制描述符，雖然大幅度縮短了特征描述的時(shí)間，但是該描述符的穩(wěn)定性不如SIFT描述符，同時(shí)該算法的特征描述的魯棒性、穩(wěn)健性也不如SIFT描述。在對(duì)于影像場(chǎng)合質(zhì)量及處理精度要求較高的時(shí)候AKAZE算法匹配效果較差，為了提高AKAZE算法的性能提出了用采用基于壓縮感知的SIFT描述符替代AKAZE算法原有的M-LDB描述符策略，改進(jìn)后AKAZE算法在配準(zhǔn)速度和精度優(yōu)于其他配準(zhǔn)算法。具體圖像配準(zhǔn)流程如下圖1所示：

2.改進(jìn)的AKAZE圖像配準(zhǔn)算法

AKAZE圖像配準(zhǔn)算法主要步驟有四步：1）通過非線性濾波函數(shù)和快速顯式擴(kuò)散 FED算法構(gòu)造非線性尺度空間；2）利用不同尺度歸一化的Hessian矩陣尋找局部極值點(diǎn)；3）計(jì)算特征點(diǎn)主方向，然后用M-LDB算法計(jì)算二值特征描述符；4）利用Hamming距離作為特征匹配的相似性度量，對(duì)特征點(diǎn)進(jìn)行度量和配準(zhǔn)。改進(jìn)的AKAZE算法在第一步和第二步不變的基礎(chǔ)上對(duì)第三步、第四步進(jìn)行改進(jìn)。

改進(jìn)的AKAZE算法在關(guān)鍵點(diǎn)描述向量生成階段，用SIFT特征描述符代替二進(jìn)制描述符，再利用壓縮感知矩陣對(duì)替代后的關(guān)鍵點(diǎn)SIFT特征向量的提取做出簡(jiǎn)化和改進(jìn)，用稀疏特征向量作為關(guān)鍵點(diǎn)特征描述向量，將高維梯度導(dǎo)數(shù)向量降為低維稀疏特征向量。該算法不僅保持了非線性尺度空間的優(yōu)點(diǎn)同時(shí)結(jié)合了尺度不變特征變換關(guān)鍵點(diǎn)檢測(cè)的穩(wěn)定性、魯棒性，而且能有效降低特征描述向量的計(jì)算復(fù)雜度，減少特征向量的維數(shù)，提高特征提取的有效性和配準(zhǔn)速度。下面是對(duì)改進(jìn)的AKAZE算法進(jìn)行描述。

3.實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)平臺(tái)為Windows 7操作系統(tǒng)，CPU2.8 GHz， 2G內(nèi)存的個(gè)人電腦，編程環(huán)境VS2013。本節(jié)將通過實(shí)驗(yàn)來驗(yàn)證改進(jìn)的AKAZE算法的性能并給出改進(jìn)的AKAZE算法與其他匹配算法之間的性能對(duì)比。將改進(jìn)的AKAZE算法和AKAZE算法分別用于實(shí)際應(yīng)用中包含復(fù)雜背景結(jié)構(gòu)的內(nèi)容圖像配準(zhǔn)。

通過表3-1算法性能對(duì)比可以看出：改進(jìn)的AKAZE算法雖然在匹配時(shí)間高于AKAZE算法但是相比于SIFT算法提高3倍，同時(shí)改進(jìn)后的算法的正確率遠(yuǎn)高于其它配準(zhǔn)算法。說明改進(jìn)的算法更加實(shí)用對(duì)配準(zhǔn)精度較高工程場(chǎng)合，具有實(shí)踐意義。

參考文獻(xiàn)：

[1]G. Arman， Development and status of image matching in photogrammetry， Photogramm. Rec. 27 （137） （2012） 36-57.

[2]D G.LOWE， "Distinctive Image Features from Scale-Invariant-Keypoints."International Journal of Computer Vision. 60.2（2004）91-110.

[3]P.F. Alcantarilla， A. Bartoli， A.J. Davison， KAZE features， Eur. Conf. on Comput. Vision （ECCV）， Fiorenze， Italy， October 2012.

[4]P.F. Alcantarilla， J. Nuevo， Adrien Bartoli， Fast Explicit Diffusion for Accelerated Features in Nonlinear Scale Spaces， British Machine Vision Conference （BMVC）， Bristol， UK， 2013.