SURF中快速求取积分图像的直接替换算法*

2011-12-07 08:04:44孙继银
弹箭与制导学报 2011年3期

韩 冰,孙继银

(第二炮兵工程学院,西安 710025)

0 引言

SURF(speed up robust features)[1-3]算法 ,是目前效率最高的局部区域特征提取和描述算法,非常适用于目标识别和目标跟踪等对实时性要求较高的军事领域。SURF的高性能与积分图像(integral image)的使用密切相关。积分图像最早由 Crow[4]于1984年提出,用于求取图像的纹理映射。后又被应用于灰度图像匹配[5-6]、人脸识别[7]和目标识别[8-9]。凡是使用过积分图像的算法,在执行速度上都会得到明显的提升,这是由于它在计算一定矩形区域内灰度值和时,只需3个简单加减运算即可完成,能够大大提高算法效率。

积分图像的求取过程是SURF算法的第1步,因此其计算速度和内存占用都会对SURF的整体性能提升造成一定影响。目前已有的快速求取积分图像的算法有两种,一是由Lewis[5]于1995年提出(以下简称 Lewis算法),二是由Viola[7]于2001年提出(以下简称Viola算法)。其中Viola算法也是SURF中所使用的算法[1-3,10]。由于其在执行过程中,共需占用3个图像空间,因而内存消耗过大,而且过多内存占用,会使图像空间之间的查址调用过程消耗过多的时间,使得算法速度变慢。

因此,文中从降低内存消耗和时间花费的角度出发,对已有Viola和Lewis算法分别进行改进,结合SURF算法过程只使用积分图像而不使用原图像的特点,提出了两种只占用1个图像空间的快速积分图像求取算法——直接替换算法I和II(direct replacement algorithm I and II)。经理论分析和实验验证,这两种直接替换算法在执行时不仅大大降低了内存消耗,而且其时间花费均明显少于Viola和Lewis算法。

1 Lewis和Viola算法

积分图像的定义是:图像中任意一点(i,j)的值ii(i,j),表示原图像相应灰色区域灰度值和,如图1和式(1)所示。……

登录APP查看全文