基于K-means聚类和RANSAC的图像配准算法研究

J4 ›› 2014, Vol. 36 ›› Issue (09): 1765-1769.

基于K-means聚类和RANSAC的图像配准算法研究

王天召，徐克虎，陈金玉

（装甲兵工程学院控制工程系，北京 100072）

收稿日期:2012-11-26 修回日期:2013-03-25 出版日期:2014-09-25 发布日期:2014-09-25
基金资助:
总装院校创新基金(2012CJ42)

Research on the image registration algorithm
based on K-means clustering and RANSAC

WANG Tianzhao，XU Kehu，CHEN Jinyu

(Department of Control Engineering,Academy of Armored Force Engineering,Beijing 100072,China)

Received:2012-11-26 Revised:2013-03-25 Online:2014-09-25 Published:2014-09-25

摘要/Abstract

摘要：

针对图像配准中特征点匹配方法存在实时性不高和精度低的问题，提出了一种基于Kmeans聚类和RANSAC的图像配准算法。该算法根据匹配点对距离和方向特征的视差约束条件，首先利用Kmeans聚类对匹配点对进行预处理，剔除大部分错误匹配点，然后利用RANSAC进行二次优化，实现了图像的快速和精确配准。实验结果表明，该算法不仅提高了图像配准的精确度，而且提高了图像配准的速度。

关键词: 图像配准, 特征点匹配, K均值聚类, 随机样本一致

Abstract:

Aiming at the problems of less realtime and low precision of feature matching in image registration, an image registration algorithm based on Kmeans and RANSAC is proposed.Based on the parallax constraint of distance and angle features of matching point pairs,the algorithm firstly uses Kmeans clustering to proprocess matching point pairs in order to filter false matching point pairs, and secondly adopts RANSAC to optimize the matching point pairs so as to realize fast and precise image registration.The experimental results indicate that the algorithm improves both the speed and the precision of image registration.

Key words: image registration;feature point matching;K-means clustering;RANSAC

王天召，徐克虎，陈金玉. 基于K-means聚类和RANSAC的图像配准算法研究[J]. J4, 2014, 36(09): 1765-1769.

WANG Tianzhao，XU Kehu，CHEN Jinyu. Research on the image registration algorithm
based on K-means clustering and RANSAC [J]. J4, 2014, 36(09): 1765-1769.

[1]	刘颜星, 郝占军, 田冉. 基于CSI信号的被动式室内指纹定位算法研究[J]. 计算机工程与科学, 2021, 43(08): 1398-1404.
[2]	盛明伟，唐松奇，万磊，秦洪德，李俊. 基于改进CNN-RANSAC的水下图像特征配准方法[J]. 计算机工程与科学, 2020, 42(05): 859-868.
[3]	朱天宇，全惠敏，刘国才. 联合弯曲能量和标志点对应约束的非刚性医学图像配准[J]. 计算机工程与科学, 2019, 41(05): 851-857.
[4]	王民，庞爽爽，周军妮. 改进的SURF算法在书法笔画匹配识别中的应用[J]. 计算机工程与科学, 2018, 40(02): 292-297.
[5]	苏培峰1，黄世奇2，王艺婷1，刘代志1. 具有SIFT描述的多尺度角点图像配准[J]. 计算机工程与科学, 2017, 39(09): 1700-1705.
[6]	兰红,洪玉欢,高晓林. 面向全景拼接的图像配准技术研究及应用[J]. J4, 2016, 38(02): 317-324.
[7]	张立仿，张喜平. 量子遗传算法优化BP神经网络的网络流量预测[J]. J4, 2016, 38(01): 114-119.
[8]	孟建良，王雅继. 最佳点平滑法寻找最佳拼接缝[J]. J4, 2015, 37(07): 1387-1392.
[9]	冯雪芳，吴锡生. 基于归一化边缘互信息与自适应加速粒子群的图像配准方法[J]. J4, 2013, 35(1): 119-123.
[10]	刘君1,2，武和雷3. 基于形状和灰度信息的断层图像二次配准算法[J]. J4, 2012, 34(12): 110-114.
[11]	周德龙,刘〓迎,吴巾一. 基于二维Gabor小波变换的角点匹配算法[J]. J4, 2011, 33(12): 61-65.
[12]	马政德杜云飞周海芳刘衡竹. 遥感图像配准中相似性测度的比较和分析[J]. J4, 2008, 30(2): 45-48.
[13]	郑明玲. 遥感多图像配准中自动提取特征点的并行算法[J]. J4, 2004, 26(10): 45-48.