摘 要: 提出了新的基于特征点的高速图像匹配算法。该算法把角点特征和灰度值特征结合起来,定义了一种基于Harris角点的灰度值特征,并充分利用角点灰度值以及角点周边灰度值和位置信息,然后依据这些信息进行匹配。实验结果表明,该算法不仅速度快,而且对灰度值分布不均图像和含噪图像的匹配同样适用。
关键词: 图像匹配;特征点;灰度值;Harris角点;噪声
图像配准[1](Image Registration)是指同一个目标的两幅或两幅以上的图像在空间位置的对准。图像配准的过程称为图像匹配(Image Match)。图像配准应用十分广泛,例如航空航天技术、图像镶嵌与融合、地理信息系统、医学图像分析、虚拟现实和机器人视觉等领域。国内外很多学者在图像匹配方面做过很多研究,但是尚未有一种普遍适用的方法可以解决各类图像匹配问题,大多数方法都是针对实际应用中遇到的问题而提出的。常见的图像匹配方法依据其匹配方法的不同[2-4]可以分为基于灰度[5]、基于特征[6]和基于理解[7]3种。基于灰度的图像匹配方法具有精度高的优点,但是也存在如下缺点:对图像的灰度变化较敏感,尤其是非线性变化的光照变化,将大大降低算法的性能;计算的复杂度高;对目标的旋转、形变以及遮挡比较敏感。基于特征的图像匹配方法可以克服基于灰度的图像配准方法的缺点,图像的特征点要比图像的像素点少得多,因此可以大大减少匹配过程中的计算量;特征点的提取过程可以减少噪声的影响,对灰度变化、图像形变以及遮挡等都有较好的适应能力。基于理解的图像匹配技术尚在起步阶段,还没有显著进步。本文算法结合了基于灰度的图像匹配方法和基于特征的图像匹配方法,首先利用Harris角点检测算法找到角点,然后在已找到的角点基础上定义新的特征点,并以此特征点作为匹配依据