基于最大池的谱特征匹配算法

计算机工程与科学

基于最大池的谱特征匹配算法

鲍文霞1,2，余国芬1，胡根生1，阎少梅1

(1.安徽大学电子信息工程学院，安徽合肥 230601;

2.偏振光成像探测技术安徽省重点实验室，安徽合肥 230031）

收稿日期:2016-08-16 修回日期:2016-12-21 出版日期:2018-03-25 发布日期:2018-03-25
基金资助:
国家自然科学基金(61401001,61501003)；安徽省自然科学基金(1408085MF121)；偏振光成像探测技术安徽省重点实验室开放基金

A spectral feature matching algorithm based on maximum pool

BAO Wenxia1,2,YU Guofen1，HU Gensheng1,YAN Shaomei1

(1.School of Electronics and Information Engineering，Anhui University，Hefei 230601;

2.Anhui Province Key Laboratory of Polarization Imaging Detection Technology，Hefei 230031，China)

Received:2016-08-16 Revised:2016-12-21 Online:2018-03-25 Published:2018-03-25

摘要/Abstract

摘要：

为了提高基于谱特征的图像匹配算法的精度和鲁棒性，提出了一种基于最大池的谱特征匹配算法。首先，利用图像特征点邻域信息提取具有旋转不变性和亮度线性变化不变性的谱特征；其次，将以谱特征描述的特征点作为节点、特征点之间的欧氏距离作为边构造属性关系图，将图像匹配问题转化为图匹配问题；最后，引入最大池匹配策略获取图匹配结果。大量实验结果表明，该算法提高了谱特征匹配算法的精度和鲁棒性。

关键词: 谱特征, 最大池, 图像匹配

Abstract:

In order to improve the accuracy and robustness of image matching algorithms based on spectral feature, a spectral feature matching algorithm based on maximum pool is proposed. Firstly, we use the neighborhood information of image feature points to extract spectral features that are invariant to rotation and the linearity of brightness changes. Secondly, we use the feature points described by spectral features as nodes and the Euclidean distance between feature points as edge properties, and transform the image matching problem into graph matching problem. Finally, the maximum pool matching strategy is introduced to obtain the graph matching results. A large number of experimental results show that the proposed algorithm improves the accuracy and robustness of the spectral feature matching algorithm.

Key words: spectral feature, maximum pool, image matching

鲍文霞1,2，余国芬1，胡根生1，阎少梅1. 基于最大池的谱特征匹配算法[J]. 计算机工程与科学.

BAO Wenxia1,2,YU Guofen1，HU Gensheng1,YAN Shaomei1. A spectral feature matching algorithm based on maximum pool[J]. Computer Engineering & Science.

[1]	谢聪, 郑洪清. 一种新型的樽海鞘群算法及其应用[J]. 计算机工程与科学, 2022, 44(01): 184-190.
[2]	杨德志, 柯显信, 余其超, 杨帮华. 基于RCNN的问题相似度计算方法[J]. 计算机工程与科学, 2021, 43(06): 1076-1080.
[3]	张筱，张巍，王文浩，万永菁. 基于多谱特征生成对抗网络的语音转换算法[J]. 计算机工程与科学, 2020, 42(05): 893-901.
[4]	严春满，郝有菲，张迪，陈佳辉. 混合特征下最优阈值预测的图像匹配[J]. 计算机工程与科学, 2019, 41(10): 1803-1808.
[5]	王岩全，孙博文. 基于单目摄像头的3D动态手势交互[J]. 计算机工程与科学, 2018, 40(09): 1662-1669.
[6]	唐秋虎，张志毅. 基于多视图像的摄像机自标定方法[J]. 计算机工程与科学, 2017, 39(04): 748-755.
[7]	李建华，刘柯. 基于SURF特征提取的双目测距在铝锭垛定位中的应用研究[J]. 计算机工程与科学, 2016, 38(10): 2121-2125.
[8]	翟荔婷1，张冰怡1，冯志勇1，徐超2. 基于3D塔架配准的绝缘子自爆缺陷检测[J]. 计算机工程与科学, 2016, 38(08): 1688-1694.
[9]	杨凯达1，赵文杰2，李成2，李德军2. 基于改进快速鲁棒性特征的导弹视频特征匹配[J]. J4, 2016, 38(01): 148-155.
[10]	姜枫1，周莉莉2，李丛1. 基于二进制特征描述器的图像匹配算法[J]. J4, 2015, 37(08): 1551-1557.
[11]	陈丽芳，刘一鸣,刘渊. 一种结合SIFT和对应尺度LTP综合特征的图像匹配算法[J]. J4, 2015, 37(03): 582-588.
[12]	侯毅,周石琳,雷琳,赵键. 基于ORB的快速完全仿射不变图像匹配[J]. J4, 2014, 36(02): 303-310.
[13]	刘仲，邢彬朝，扈啸. 基于YHFT-QDSP的并行图像匹配算法[J]. J4, 2012, 34(4): 47-51.
[14]	黄俊杰,扈啸. 基于硬件加速器的高分辨率图像匹配算法及应用[J]. J4, 2012, 34(4): 71-76.
[15]	李欢欢，黄山，张洪斌. 基于Harris与SIFT算法的自动图像拼接[J]. J4, 2012, 34(11): 104-108.