图像匹配中的特征点筛选方法

卫保国，张玉兰，周佳明

西北工业大学 电子信息学院，西安710129

图像匹配技术在图像处理领域占重要地位，在计算机视觉[1]、模式识别[2]、遥感图像处理[3]、医学图像分析[4-6]等领域都有广泛应用。其本质是在拍摄角度、拍摄位置或传感器等有差异的情况下，对于同一场景所拍摄的两幅或者多幅图像进行某种操作与分析，找出图像之间变换关系的过程。图像匹配的方法主要分为基于灰度的匹配算法、基于变换域的匹配算法和基于特征的匹配算法。其中，基于特征的匹配算法是主流的，本文在该匹配方法的基础上进行研究。

图像的匹配效果除了受特征检测算法和匹配方法的影响，还与特征点的质量有关，提取高质量的特征点有助于提高图像匹配的正确率和效率。高质量的特征点主要有三个特点：一是无论图像受到干扰与否，都能检测到稳定的特征点；二是特征点中包含的特征信息具有代表性；三是特征点必须位于明显的景物边缘或角点上，同时保证点与点之间有一定的距离，避免密集分布。

为了获得高质量的特征点，以增强图像的匹配效果，学者们已经进行了相关研究。针对特征点的稳定性问题，吴丽君等人[7]提出了一种基于特征点邻域灰度值差熵的稳定性准则，该准则虽然能有效减少不稳定特征点，但可能在局部邻域内，有多个点满足稳定性准则而被保留下来，造成特征点分布密集的情况；向程谕等人[8]利用Harris角点检测算子筛选SIFT特征点，以剔除图像边缘区域中大量不稳定的伪特征点，虽然该方法有效，但Harris 角点对人为设定的阈值比较敏感。……