结合区域分割的SIFT图像匹配方法

丘文涛; 赵建

doi:null

您当前的位置：

首页 >

文章列表页 >

结合区域分割的SIFT图像匹配方法

更新时间：2020-08-12

- 结合区域分割的SIFT图像匹配方法
- Image matching algorithm combining SIFT with region segmentation
- 液晶与显示 2012年27卷第1期
- 作者机构：
  
  中国科学院长春光学精密机械与物理研究所2. 中科院长春光学精密机械与物理研究所
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TP391.9
- 收稿日期：2012-03-30，
  
  修回日期：2012-06-11，
  
  网络出版日期：2012-06-29，
  
  纸质出版日期：2012-02-15
- 稿件说明：
移动端阅览
郭春桔, 夏森林, 孙振, 汪映寒. 侧链含稠环的新型聚酰亚胺液晶垂直取向剂的制备及表征[J]. 液晶与显示, 2012,27(1): 8-13

GUO Chun-ju, XIA Sen-lin, SUN Zhen, WANG Ying-han. Preparation and Characterization of Novel Polyimide with Thick Ring in Side Chain for Vertical Alignment Liquid Crystals[J]. , 2012,27(1): 8-13
郭春桔, 夏森林, 孙振, 汪映寒. 侧链含稠环的新型聚酰亚胺液晶垂直取向剂的制备及表征[J]. 液晶与显示, 2012,27(1): 8-13 DOI：

GUO Chun-ju, XIA Sen-lin, SUN Zhen, WANG Ying-han. Preparation and Characterization of Novel Polyimide with Thick Ring in Side Chain for Vertical Alignment Liquid Crystals[J]. , 2012,27(1): 8-13 DOI：

摘要

针对待配准图在参考图上存在多个相似的区域，传统的SIFT(Scale Invariable Feature Transformation)算法导致匹配点数量较少，影响对模型变换参数估计的情况，提出了结合区域分割的SIFT特征提取和特征匹配的方法。算法首先对图片进行边缘检测以及形态学滤波预处理，提取出边缘丰富区，接着采用改进的简化SIFT，并在匹配阶段，结合强匹配点对与SSDA(Sequential Similarity Detection Algorithm)检测出的粗匹配位置进行匹配，增加了算法区分相似区域的能力。与原始算法相比，该算法可以得到更多正确的匹配点对，时效性上更优。

Abstract

Aiming at solving the situation that the original SIFT algorithm can only get few number of matching points if there are a few regions similar to the matching image on the reference image

which will affect the estimation of parameters in the transformation model. Proposed algorithm first apply edge detection and morphology filtering in the image preprocessing stage to extract edge-abundant areas

then adopt an improved simplified SIFT

and combine the rough matching area detected by SSDA and robust matching points while matching points

thus improving the discrepancy of similar points in the algorithm. Compared to the original algorithm

our proposed algorithm can get more correct matching points and is less time consuming.

关键词

Keywords

references

王永明，王贵锦．图像局部不变性特征与描述［M］.北京：国防工业出版社，2010: 79-87,129-133,150-163.[J].,2010,:79-163[2]倪国强, 刘琼.多源图像配准技术分析与展望[J].光电工程,2004,31(1):1-6[3]Tuyte T, Mikolajczyk. Local invariant feature detectors: A survey. Foundations and trends in computer graphics and vision 2008,v3.[J].Foundations and trends in computer graphics and vision,2008,3:-[4]David G. Lowe. Distinctive image features from scale-invariant keypoints [J].International Journal of computer vision 2004, 60(2), 91-110[J].International Journal of computer vision,2004,60(2):91-110[5]Ke Y, Sukthankar R.PCA SIFT: a more distinctive representation for local image descriptors [J].Proc Conf Computer Vision and Pattern Recognition,2004,:-[6]Mikolajczyk K, Schmid C.. A performance evaluation of local descriptorsIEEE [J].Transactions on Pattern Analysis and Machine Intelligence,2005,(27):1615-1630[7]Herbert B, Tinne T, Luc V G.SURF: speeded up robust features[J].Computer Vision and Image Understanding,2008,110(3):346-359[8]Rob Hess. An Open-Source SIFT Library[J].Proceedings of the international conference on multimedia,2010,:-[9] OpenCV. http://opencv.willowgarage.com[10]纪华.仿射不变特征提取及其在景象匹配中的应用 [D].长春：中国科学院长春光学精密机械与物理研究所[J].,2010,:-[11]Koenderink J.The structure of image[J].Biological Cybernetics,1984,50:363-396[12]Lindeberg T.Scale-space for discrete signals[J].IEEE Transaction PAMI,1980,207:187-207[13]M .A. Fischler and R. C.Bolles. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography[J].Communications of the ACM,1981,24(6):-[14]杨帆等编著.数字图像处理与分析[J].北京航空航天大学出版社,2007,:207-263.[15]邸男，李桂菊，魏雅娟.采用SIFT的末制导图像匹配技术 [J].红外与激光工程,2011,40(8):1549-1593[16]何斌，马天予，王运坚，朱红莲编著.Visual C++数字图像处理[J].人民邮电出版社,2001,:491-508

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

跨尺度点匹配结合多尺度特征融合的图像配准

基于Ghost改进的YOLOv5轻量化双目视觉无人机避障算法

基于统计局部特征描述与匹配的点云配准算法

基于改进ORB算法无重叠视野域的目标交接

结合区域分割的SIFT图像匹配方法