陈天华, 王福龙, 张彬彬
基于改进ORB和对称匹配的图像特征点匹配①
陈天华, 王福龙, 张彬彬
(广东工业大学应用数学学院, 广州 510520)
由于ORB算法所提取的特征点不具有尺度不变性, 直接匹配会导致较多的错误发生, 本文结合SURF和双向匹配算法的思想, 提出了改进的ORB算法: SSORB. 首先使用不同尺寸盒状滤波模板与积分图像生成多尺度空间, 并从中检测出稳定的极值点, 使得所提取出来的特征点具备尺度不变的特性; 然后使用ORB描述子对特征点进行描述, 得到旋转不变的二进制描述子; 由于误匹配的存在, 在Hamming距离的基础上进一步使用双向匹配来消除误匹配, 提高匹配精度. 实验结果表明, SSORB有效地解决了ORB不具备尺度不变性的缺陷, 在保留ORB算法快速优越性的同时提高了匹配准确度.
特征点匹配; 改进ORB; SURF; 双向匹配
图像特征点匹配是计算机视觉领域中基础又重要的课题, 广泛应用于模式识别、目标跟踪、图像拼接领域. 图像特征点匹配就是在两幅图像中找出有效的匹配点对, 在图像匹配方法中, 特征点的提取及匹配方法有很多, 如: Moravec算子[1]、Harris算子[2]、SIFT算子[3]. 其中SIFT特征点匹配算法从提出以来一直作为主流的特征点匹配算法, 其所提取的特征点比较稳定, 具有抗光照和抗几何变形的能力, 非常适用于局部目标匹配, 但其运算量比较大, 不能很好的满足实时性. 随着对特征点匹配速度的要求越来越高, Ethan Rublee等于2011年提出ORB算法[4], 文献[4]指出, ORB特征点匹配速度比SIFT快两个数……