混合特征下最优阈值预测的图像匹配

计算机工程与科学

混合特征下最优阈值预测的图像匹配

严春满，郝有菲，张迪，陈佳辉

(西北师范大学物理与电子工程学院,甘肃兰州 730070)

收稿日期:2018-11-22 修回日期:2019-02-27 出版日期:2019-10-25 发布日期:2019-10-25
基金资助:
国家自然科学基金（61741119）；甘肃省自然科学基金（17JR5RA074，17JR5RA078）

An image matching method based on

optimal threshold prediction under hybrid features

YAN Chun-man,HAO You-fei,ZHANG Di,CHEN Jia-hui

(College of Physics and Electronic Engineering,Northwest Normal University,Lanzhou 730070,China)

Received:2018-11-22 Revised:2019-02-27 Online:2019-10-25 Published:2019-10-25

摘要/Abstract

摘要：

针对单一特征条件下图像匹配率较低，以及SIFT算法由于固定对比度阈值造成特征点数目提取不均的问题，提出一种混合特征下最优阈值预测的图像匹配算法。该算法首先采用SIFT算法提取图像特征点，然后利用纹理参数二阶矩自适应法得到最优阈值，并用描述性较强的纹理特征向量对SIFT匹配过程进行约束实现图像的匹配。实验结果表明，提出的算法根据图像灰度分布自适应选取对比度阈值，能够增强图像细节信息且使提取的特征点数量稳定，在匹配过程中引入纹理向量作为约束准则，避免了相似区域的误匹配，对光照和模糊图像有较好的鲁棒性。

关键词: 图像匹配, SIFT, 纹理特征, 对比度阈值

Abstract:

Aiming at the problem of low image matching rate under single feature condition, and the uneven extraction of feature points of the scale-invariant feature transform (SIFT) algorithm due to fixed contrast threshold, we propose a novel image matching method based on adaptive threshold prediction under hybrid features. Firstly, the algorithm uses the SIFT to extract image feature points. Then, we employ the texture parameter second moment method to adaptively calculate the optimal threshold, and the descriptive texture feature vector to constrain the SIFT matching process. Experimental results demonstrate that the proposed method can adaptively select the contrast threshold according to the gray level distribution of the image, enhance image detail information and stabilize the number of extracted feature points. The texture vectors constrain the matching process to avoid the mismatch of similar regions. The method is robust to illumination and blurred images.

Key words: image matching, SIFT, texture feature, contrast threshold

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.

YAN Chun-man,HAO You-fei,ZHANG Di,CHEN Jia-hui.

An image matching method based on

optimal threshold prediction under hybrid features

[J]. Computer Engineering & Science.

[1]	魏伟一, 王婉茹, 赵毅凡, 陈帼. 基于区域划分和四元数的彩色图像复制粘贴篡改检测[J]. 计算机工程与科学, 2022, 44(07): 1256-1264.
[2]	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.
[3]	熊炜1,2，王传胜1，管来福1，童磊1，刘敏1，曾春艳1. 基于特征跟踪和网格路径运动的视频稳像算法[J]. 计算机工程与科学, 2020, 42(05): 843-850.
[4]	王杨1,2，向秀梅1,2，卢嘉1,2，郁振鑫1,2. 基于双目融合的无参考立体图像质量评价[J]. 计算机工程与科学, 2020, 42(03): 510-516.
[5]	张伯麟1，刘荣海2，郑欣2，杨迎春2，陈磊1，万书亭1. X射线图像三维重建的自标定优化算法[J]. 计算机工程与科学, 2019, 41(08): 1474-1481.
[6]	李洪锋1，魏镜弢1，付亚伟2，王家涛1. 基于SIFT算法的物体运动方向快速识别方法[J]. 计算机工程与科学, 2019, 41(06): 1050-1056.
[7]	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.
[8]	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, 2018, 40(03): 494-499.
[9]	刘辉，代照坤，王龙. 基于Hu-GLCM的手势识别方法研究[J]. 计算机工程与科学, 2018, 40(03): 525-532.
[10]	秦煜1，吴静静1,2，安伟1,2，张美娟3. 基于融合特征的SURF配准算法[J]. 计算机工程与科学, 2017, 39(10): 1890-1895.
[11]	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.
[12]	李骥，王艳然，王威. 基于扩展字典稀疏表示分类的遥感目标识别[J]. 计算机工程与科学, 2017, 39(08): 1508-1512.
[13]	金静1,党建武1,王阳萍1,2,翟凤文1. 一种基于鲁棒局部纹理特征的背景差分方法[J]. 计算机工程与科学, 2017, 39(08): 1513-1519.
[14]	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.
[15]	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.