首页 > 论文 > 激光与光电子学进展 > 56卷 > 6期(pp:63002--1)

基于快速稳健特征最大子矩阵的光谱图像配准方法

Spectral Image Registration Method Based on SURF Maximum Submatrix

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
  • PDF全文
分享:

摘要

为解决多通道光谱图像数据成像过程中更换滤光片造成的几何畸变问题,研究了一种基于快速稳健特征(SURF)与最大子矩阵的多通道光谱图像配准方法。利用SURF算法提取了多通道光谱图像的特征,经过透视变换得到初步配准图像。针对配准后图像边缘出现零像素值无效区域的问题,提出了通过最大子矩阵检测图像中最大内接矩形的方法,去掉了无效边缘区域,最大化地保留了有效区域信息。对壁画的多通道成像数据进行了实验。结果表明,所提方法在图像尺度与亮度变化方面具有更好的稳健性,能够避免其他配准方法中无效区域对后续光谱重建与颜色复原的影响,在配准精度、信息最大化保留、时间效率方面也具有更好的性能。

Abstract

In order to solve the geometric distortion caused by filter change in the imaging process of multi-channel spectral data, a multi-channel spectral image registration method based on speed up robust features (SURF) and maximum submatrix is investigated. The features of the multi-channel spectral images are extracted by the SURF algorithm, and the preliminary registration images are obtained through perspective transformation. In addition, aiming at the problem that there exists the invalid regions with zero pixel value on the image edge after registration, a method for detecting the largest inner rectangle in images by maximum submatrix is proposed to remove the invalid edge regions and maximize the retention of valid area information. The multi-channel imaging data of the murals are tested. The results show that the proposed method has better robustness to image scale and brightness variation, and can avoid the influence of invalid regions on the subsequent spectral reconstruction and color restoration occurred in the other registration methods. It also has better performance in registration accuracy, information maximization retention, and time efficiency.

Newport宣传-MKS新实验室计划
补充资料

中图分类号:O433.4

DOI:10.3788/lop56.063002

所属栏目:光谱学

基金项目:国家自然科学基金青年科学基金(61701388)、教育部归国留学人员科研扶持项目(K05055)、陕西省科技厅国际合作资助项目(2017KW-036)、陕西省自然科学基础研究计划(2018JM5127,2018JM6080)、西安市科技计划[2017079CG/RC042(XAKD004)]

收稿日期:2018-08-29

修改稿日期:2018-09-27

网络出版日期:2018-10-22

作者单位    点击查看

刘加林:西安建筑科技大学信息与控制工程学院, 陕西 西安 710055
王慧琴:西安建筑科技大学信息与控制工程学院, 陕西 西安 710055
王可:西安建筑科技大学信息与控制工程学院, 陕西 西安 710055
吴萌:西安建筑科技大学信息与控制工程学院, 陕西 西安 710055
赵丽娟:西安建筑科技大学信息与控制工程学院, 陕西 西安 710055
张小红:西安科技大学通信与信息工程学院, 陕西 西安 710054

联系人作者:王慧琴(hqwang@xauat.edu.cn)

【1】Feng Y D, Sun Y. Image matching algorithm based on SURF feature extraction and FLANN search[J]. Journal of Graphics, 2015, 36(4): 650-654.
冯亦东, 孙跃. 基于SURF特征提取和FLANN搜索的图像匹配算法[J]. 图学学报, 2015, 36(4): 650-654.

【2】Jing J F, Xie J, Li P F. Application of SURB combined with random sample consensus algorithm in shoe uppers matching[J]. Laser & Optoelectronics Progress, 2018, 55(1): 011005.
景军锋, 谢佳, 李鹏飞. 基于SURB结合随机抽样一致算法在鞋面匹配中的应用[J]. 激光与光电子学进展, 2018, 55(1): 011005.

【3】Ren K Q, Hu M Y. Color image registration algorithm based on improved SURF[J]. Journal of Electronic Measurement and Instrumentation, 2016, 30(5): 748-756.
任克强, 胡梦云. 基于改进SURF算子的彩色图像配准算法[J]. 电子测量与仪器学报, 2016, 30(5): 748-756.

【4】Harris C J. A combined corner and edge detector[C]∥Proceedings of the 4th Alvey Vision Conference, Alvey, UK, 31 August-2 September 1988. [S. l. : s. n.], 1988: 147-151.

【5】Smith S M, Brady J M. SUSAN - A new approach to low level image processing[J]. International Journal of Computer Vision, 1997, 23(1): 45-78.

【6】Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004, 60(2): 91-110.

【7】Jin J J, Lu W L, Guo X T, et al. Position registration method of simultaneous phase-shifting interferograms based on SURF and RANSAC algorithms[J]. Acta Optica Sinica, 2017, 37(10): 1012002.
靳京京, 卢文龙, 郭小庭, 等. 基于SURF和RANSAC算法的同步相移干涉图位置配准方法[J]. 光学学报, 2017, 37(10): 1012002.

【8】Bay H, Tuytelaars T, van Gool L. SURF: Speeded up robust features[C]∥Leonardis A, Bischof H, Pinz A. European Conference on Computer Vision. Berlin, Heidelberg: Springer, 2006, 3951: 404-417.

【9】Yao S Y, Wang X M, Zuo S. Fast feature point matching algorithm based on SURF[J]. Laser & Infrared, 2014, 44(3): 347-350.
尧思远, 王晓明, 左帅. 基于SURF的特征点快速匹配算法[J]. 激光与红外, 2014, 44(3): 347-350.

【10】Tong R Q, Huang Y Q, Tian R J. SURF algorithm and its detection effect on object tracking[J]. Journal of Southwest University of Science and Technology, 2011, 26(3): 63-67.
仝如强, 黄玉清, 田瑞娟. SURF算法及其对运动目标的检测跟踪效果[J]. 西南科技大学学报, 2011, 26(3): 63-67.

【11】Zhao Y L, Xu D, Pan Z G. Image registration system based on SURF feature points[J]. Journal of Computer Applications, 2011, 31(s1): 73-75.
赵毅力, 徐丹, 潘志庚. 基于SURF特征点的图像配准系统[J]. 计算机应用, 2011, 31(s1): 73-75.

【12】Kim T, Im Y J. Automatic satellite image registration by combination of matching and random sample consensus[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(5): 1111-1117.

【13】Liu C X, Zhao R J, Liu E H, et al. Estimate threshold of SIFT matching adaptively based on RANSAC[J]. Computer Science, 2017, 44(s1): 157-160.
刘川熙, 赵汝进, 刘恩海, 等. 基于RANSAC的SIFT匹配阈值自适应估计[J]. 计算机科学, 2017, 44(s1): 157-160.

【14】Xu X, Sun S Y, Sha Y J, et al. A method of infrared image mosaic based on improved RANSAC[J]. Laser & Optoelectronics Progress, 2014, 51(11): 111001.
徐鑫, 孙韶媛, 沙钰杰, 等. 一种基于改进RANSAC的红外图像拼接方法[J]. 激光与光电子学进展, 2014, 51(11): 111001.

【15】Xie X H, Liang D, Zhang X Q, et al. Detecting maximum inscribed rectangle area of target object based on image processing[J]. Science Technology and Engineering, 2015, 15(17): 193-197, 217.
谢新华, 梁栋, 张香倩, 等. 基于图像处理的目标物体最大内接矩形面积的检测[J]. 科学技术与工程, 2015, 15(17): 193-197, 217.

【16】Zhang Z B, Zhao S L, Luo X W, et al. Matching method of green crops based on SURF feature extraction[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(14): 172-178.
张志斌, 赵帅领, 罗锡文, 等. 基于SURF算法的绿色作物特征提取与图像匹配方法[J]. 农业工程学报, 2015, 31(14): 172-178.

引用该论文

Liu Jialin,Wang Huiqin,Wang Ke,Wu Meng,Zhao Lijuan,Zhang Xiaohong. Spectral Image Registration Method Based on SURF Maximum Submatrix[J]. Laser & Optoelectronics Progress, 2019, 56(6): 063002

刘加林,王慧琴,王可,吴萌,赵丽娟,张小红. 基于快速稳健特征最大子矩阵的光谱图像配准方法[J]. 激光与光电子学进展, 2019, 56(6): 063002

您的浏览器不支持PDF插件,请使用最新的(Chrome/Fire Fox等)浏览器.或者您还可以点击此处下载该论文PDF