留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

结合Harris与SIFT算子的图像快速配准算法

许佳佳

许佳佳. 结合Harris与SIFT算子的图像快速配准算法[J]. 中国光学(中英文), 2015, 8(4): 574-581. doi: 10.3788/CO.20150804.0574
引用本文: 许佳佳. 结合Harris与SIFT算子的图像快速配准算法[J]. 中国光学(中英文), 2015, 8(4): 574-581. doi: 10.3788/CO.20150804.0574
XU Jia-jia. Fast image registration method based on Harris and SIFT algorithm[J]. Chinese Optics, 2015, 8(4): 574-581. doi: 10.3788/CO.20150804.0574
Citation: XU Jia-jia. Fast image registration method based on Harris and SIFT algorithm[J]. Chinese Optics, 2015, 8(4): 574-581. doi: 10.3788/CO.20150804.0574

结合Harris与SIFT算子的图像快速配准算法

doi: 10.3788/CO.20150804.0574
基金项目: 吉林省重大科技攻关资助项目(No.11ZDGG001)
详细信息
    通讯作者:

    许佳佳(1986—),男,河南信阳人,硕士,助理研究员,2012年于武汉大学获得硕士学位,主要从航空图像拼接方面的研究。E-mail:xujia_whu@163.com

  • 中图分类号: TP391

Fast image registration method based on Harris and SIFT algorithm

  • 摘要: 本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先,对Harris算法进行两方面的改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是采用Forsnter算子对提取的角点精定位,提高配准精度。然后,利用SIFT算子的特征描述方法描述提取到的特征点,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间变换单应矩阵,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,在配准过程的时间消耗上比标准SIFT算法减少了64%。

     

  • 图 1  高斯尺度空间

    Figure 1.  Gaussian scale-space

    图 2  8邻域相似像素分析

    Figure 2.  Similarity operation within 8 neighborhood pixels

    图 3  3组测试图片

    Figure 3.  Three groups of testing images

    图 4  特征点分布比较

    Figure 4.  Comparison of feature points distribution

    图 5  图3(c)和图3(d)匹配结果及配准结果

    Figure 5.  Results of (a)feature matching and (b)registration for Fig.3(c) and Fig.3(d)

    表  1  分别用本文方法以及SIFT、SURF进行特征点检测的时间统计

    Table  1.   Statistics of cost time for feature points detection using SIFT, SURF and the proposed method

    Image Number of feature points Time of feature points detection/s
    SIFT SURF Harris-SIFT SIFT SURF Harris-Sift
    Fig.3(a) 3 857 770 1 065 9.32 4.47 4.91
    Fig.3(c) 641 199 297 1.72 0.89 0.91
    Fig.3(e) 2 938 1 856 1 835 1.39 0.44 0.29
    下载: 导出CSV

    表  2  本文方法特征点匹配的正确率和时间统计

    Table  2.   Statistics of accuracy and cost time of feature points matching using the proposed method

    Image Number of feature points Matches Correct matches Percent of correct matches/% Total time/s
    (a) 1 065 197 155 78.68 10.31
    (b) 1 146
    (c) 297 130 113 86.92 1.93
    (d) 304
    (e) 1 835 152 129 84.87 3.15
    (f) 1 856
    下载: 导出CSV

    表  3  SIFT算法特征点匹配的正确率和时间统计

    Table  3.   Statistics of accuracy and cost time of feature points matching using SIFT

    Image Number of feature points Matches Correct matches Percent of correct matches/% Total time/s
    (a) 3 857 701 495 70.61 30.45
    (b) 4 007
    (c) 641 296 244 82.43 5.34
    (d) 654
    (e) 2 938 236 197 83.47 11.80
    (f) 3 643
    下载: 导出CSV

    表  4  SURF算法特征点匹配的正确率和时间统计

    Table  4.   Statistics of accuracy and cost time of feature points matching using SIFT

    Image Number of feature points Matches Correct matches Percent of correct matches/% Total time/s
    (a) 770 50 37 74.00 8.27
    (b) 600
    (c) 199 65 60 92.31 1.53
    (d) 278
    (e) 1 856 127 113 88.98 3.64
    (f) 1 847
    下载: 导出CSV

    表  5  使用不同方法对图3(c)和图3(d)进行配准的精度对比

    Table  5.   Comparison of registration accuracy for Fig.3(c) and Fig.3(d) using different methods

    Method Percent of correct matches/% RMSE Time of image registration/s
    Harris-SIFT 86.92 0.47 1.93
    SIFT 82.43 0.54 5.34
    下载: 导出CSV
  • [1]

    [2]

    [3]

    [4]

    [5]

    [6]

    [7]

    [8]

    [9]

    [10]

    [11]
    [12]

    [13]

    [14]

    [15]
    [16]

    [17]

    [18]

  • 加载中
图(5) / 表(5)
计量
  • 文章访问数:  1869
  • HTML全文浏览量:  437
  • PDF下载量:  683
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-02-18
  • 录用日期:  2015-03-22
  • 刊出日期:  2015-01-25

目录

    /

    返回文章
    返回