第 44 卷 第 3 期 激 光 与 红 外 Vol.44,No.3
2014 年 3 月 LASER & INFRARED March,2014
文章编号:1001 5078(2014)03034704
·图像与信号处理·
基于 SURF 的特征点快速匹配算法
尧思远,王晓明,左 帅
(华北光电技术研究所,北京 100015)
摘 要:为了解决光电图像匹配过程中特征点错配率较高的问题,本文提出了一种基于 SURF
特征点的匹配方法。该算法首先利用最近邻欧氏距离比率法对提取的 SURF 特征做粗匹配,
然后获取特征点对应尺度的邻域灰度统计信息,进而利用 Pearson 相关系数比得到鲁棒性较强
的匹配对。实验表明该方法能够有效提高匹配的准确率,且满足实时性要求。
关键词:SURF 特征;特征点匹配;最近邻欧氏距离比率;Pearson 相关系数
中图分类号:TP39141 文献标识码:A DOI:10.3969 /j.issn.1001 5078.2014.03.28
Fast feature point matching algorithm based on SURF
YAO Siyuan,WANG Xiaoming,ZUO Shuai
(North China Research Institute of Electrooptics,Beijing 100015,China)
Abstract:In order to solve the problem of the high mismatching rate of feature points in course of image matching,a
novel matching strategy based on SURF feature points is proposeEuclidean nearest neighbor distance ratio method is
used to match the extracted SURF features roughly,and then statistical information of the corresponding gray neigh
borhood of each feature point is obtainedThen,more robustness matching pairs can be gotten with Pearson correla
tion coefficientExperimental results show that this method can effectively improve the matching accuracy and meet
realtime requirements
Key words:SURF descriptor;feature points matching;Euclidean nearest neighbor distance ratio;Pearson
correlation coefficient
作者简介:尧思远(1990 -),男,硕士研究生,研究方向为图像处
理和机器视觉。Email:yaosiyuan1990@163com
收稿日期:2013121 1 ;修订日期:20131221
1 引 言
匹配技术是图像处理中的一项重要内容,它将
两幅相似的图像在空间中的位置作对比映射,是后
续关键区域分析、相机标定等操作的基础。常见的
图像匹配方法主要有两种:基于区域的匹配和基于
特征的匹配。前者主要利用图像的灰度或者几何拓
扑信息,通过某种相似性测度算子搜索图像空间,找
出相似度最高的区域,进而得到相应的位置变化参
数。该方法挖掘了图像的空间灰度分布信息,因此
准确度较高,但区域搜索往往带来较大的计算量,而
且对于噪声和光照的变化容忍度较差;基于特征的
匹配首先寻找两幅图像中的关键特征(如关键点、
线),然后对这些关键特征做筛选、映射,得到准确
的匹配。基于特征的匹配方法利用的像素数较少,
可以大大减少匹配计算量,应用在对图像处理实时
性要求较高的光电跟踪系统中具有明显的优势。
特征匹配的关键在于寻找一种较好的特征描述
法和特征匹配算法。就点特征而言,目前常见的特
征点提取方法有
Harris 特征、SUSAN 特征、SIFT 特
征等
[1 -4]
。其中,DGLowe 提出的 SIFT 特征由于
对光照、旋转、尺度等变换具有不变性,受到了学者
的广泛关注
[5]
,但是 SIFT 特征需要进行 128 维的矢
量特征运算,在高速视频处理系统中实时实现较为
困难。
Herbert Bay 等提出的 SURF 特征在 SIFT 的
基础上简化了图像金字塔分解的操作
[6]
。类似于