基于局部不变特征的图像匹配算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (14): 168-170.

• 图形、图像、模式识别 • 上一篇下一篇

基于局部不变特征的图像匹配算法

吴文欢1，李骞1，江泽涛2，杨俊1

1.周口师范学院计算机科学系，河南周口 466001
2.南昌航空大学信息工程学院，南昌 330063

出版日期:2012-05-11 发布日期:2012-05-14

New image matching algorithm based on local invariant features

WU Wenhuan1, LI Qian1, JIANG Zetao2, YANG Jun1

1.Department of Computer Science, Zhoukou Normal University, Zhoukou, Henan 466001, China
2.School of Information Engineering, Nanchang Hangkong University, Nanchang 330063, China

Online:2012-05-11 Published:2012-05-14

摘要/Abstract

摘要： 针对计算机视觉领域中的图像匹配问题，提出一种新的基于局部不变特征的匹配算法。使用高斯差分检测特征点，将特征点领域内Haar小波响应投影到四个方向轴上，进而生成一个用来描述特征点的64维向量，采用最近邻距离比进行特征匹配。实验结果表明，该算法不仅快速、稳定，而且匹配准确率比PCA-SIFT 、SURF、MSOP高。

关键词: 图像匹配, 高斯差分, 特征向量, Haar小波

Abstract: Aiming at the image matching in the field of computer vision, this paper presents a new matching algorithm based on local invariant features. Feature points are detected by difference of Gaussian. The the Haar-wavelet responses within a feature point neighbourhood are projected into four directions, and then a 64-dimensional vector is generated for describing the feature point. Matching pairs are determined by using the nearest neighbor distance ratio. Experimental results show that the proposed algorithm is not only rapid and robust, but its matching rate is higher than PCA-SIFT, SURF and MSOP.

Key words: image matching, difference of Gaussian, feature vector, Haar-wavelet

吴文欢1，李骞1，江泽涛2，杨俊1. 基于局部不变特征的图像匹配算法[J]. 计算机工程与应用, 2012, 48(14): 168-170.

WU Wenhuan1, LI Qian1, JIANG Zetao2, YANG Jun1. New image matching algorithm based on local invariant features[J]. Computer Engineering and Applications, 2012, 48(14): 168-170.

[1]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[2]	薛冕，刘翔，石蕴玉，辛斌杰. 抑制光照不均匀影响的图像特征点提取算法[J]. 计算机工程与应用, 2021, 57(4): 183-191.
[3]	卫保国，张玉兰，周佳明. 图像匹配中的特征点筛选方法[J]. 计算机工程与应用, 2021, 57(3): 208-214.
[4]	陈雷，尹钧圣. 高斯差分变异和对数惯性权重优化的鲸群算法[J]. 计算机工程与应用, 2021, 57(2): 77-90.
[5]	蔡秀梅，卞静伟，吴成茂，王妍. 基于LBP的鲁棒特征提取与匹配方法研究[J]. 计算机工程与应用, 2021, 57(16): 228-236.
[6]	魏玮，张芯月，朱叶. 改进的SIFT结合余弦相似度的人脸匹配算法[J]. 计算机工程与应用, 2020, 56(6): 207-212.
[7]	朱超，吴素萍. 特征点检测DoG并行算法[J]. 计算机工程与应用, 2020, 56(10): 36-43.
[8]	朱洪峰，熊伟，崔亚奇，吕亚飞. 新的自适应转弯模型的IMM算法研究[J]. 计算机工程与应用, 2019, 55(17): 252-258.
[9]	李佳芮，黄斯翀，徐修贤，康希睿，汪沛. 融合边缘信息和扩展邻域的异源图像匹配[J]. 计算机工程与应用, 2019, 55(14): 182-190.
[10]	李和阳，孙云莲，黄雅鑫，黎圣旻，余军伟. 基于图像匹配的变压器套管工况识别方法研究[J]. 计算机工程与应用, 2018, 54(5): 211-216.
[11]	朱大勇1，2，郭星1，2，吴建国1，2. 基于kinect三维骨骼节点的动作识别方法[J]. 计算机工程与应用, 2018, 54(20): 152-158.
[12]	孙福盛，韩燮，丁江华，刘涛. LYTRO相机光场图像深度估计算法及重建的研究[J]. 计算机工程与应用, 2018, 54(13): 175-180.
[13]	王其浩1，2，王斌1，2. 用于图像购物搜索的局部匹配算法[J]. 计算机工程与应用, 2017, 53(6): 246-251.
[14]	刘学博，李灯熬，赵菊敏，廖述剑. 基于变步长支持向量机的J波自动检测方法[J]. 计算机工程与应用, 2017, 53(23): 203-207.
[15]	曲朝阳1，陈贺新1，胡可为2，刘耀伟3，独健鸿4. 基于Spark的电力调度数据整合模型[J]. 计算机工程与应用, 2017, 53(19): 65-70.

基于局部不变特征的图像匹配算法

New image matching algorithm based on local invariant features

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics