中北大学计算机与控制工程学院, 山西 太原 030051
针对目前使用较多的尺度不变特征转换算法在提取图像特征向量时因数量较多、维数较大造成匹配时计算量过高、匹配过程中约束条件过于单一、误匹配率较高等问题, 提出一种改进的匹配算法。针对特征描述的问题, 采用子模式独立成分分析法算法对特征向量进行降低维数处理, 减少了特征向量的数量和维数; 针对误匹配率较高的问题, 在约束条件中加入方向约束, 即通过特征向量的方向和欧氏距离进行两次匹配, 减小误配率; 在匹配时通过粒子群算法寻找函数的极值, 以减少该算法的时间消耗。实验对比结果表明, 改进的匹配算法有效地提高了匹配的准确率。
图像处理 图像匹配 尺度不变特征转换算法 粒子群 降低维数 激光与光电子学进展
2017, 54(9): 091002
中国民航大学电子信息与自动化学院, 天津 300300
在数字散斑相关测量方法中, 可靠的变形初值估计是获得亚像素精度的关键。利用标志点匹配技术, 提出了一种新的变形参数初值估计法。该方法在散斑上粘贴反射系数极高的圆形标志点, 为消除散斑背景对标志点提取的影响, 提出一种改进的尺度不变特征转换算法, 将极值点检测约束在显著的边缘区域, 从而大大减少冗余特征点的提取, 最后通过单应性变换得到全场变形, 进而使得感兴趣区域中各像素点快速完成初值估计。制作散斑板子进行实验验证, 结果表明, 该方法得到的变形初值, 只需要3~4次迭代就能够使亚像素迭代收敛, 并获得准确、可靠的测量结果。
相干光学 光学测量 亚像素精度 初值估计 标志点匹配 尺度不变特征转换算法
