论文部分内容阅读
图像匹配在图像分析技术中占重要地位,它被广泛应用于图像检索、图像分类和物体识别等方面。很多最新的方法利用尺度不变特征变换(SIFT)特征来表示图像,并完成图像匹配。在利用SIFT特征进行图像匹配时,首先分别提取两幅图像中所有特征点的128-D描述子,再将一幅图像的128-D描述子逐个取出,计算其与另一幅图像的所有128-D描述子之间的欧几里德距离,从而找到最匹配的特征点对。由于每幅图像约有上千个SIFT特征点,而且距离计算中牵涉到均方根和平方运算,因此,对于大规模图像库而言,基于SIFT特征的图像匹配非常耗时。为解决该问题,出现了二值SIFT(BSIFT)方法。但已有的SIFT方法和BSIFT方法均无法解决镜像翻转的图像匹配问题。因此,本文根据目前的研究现状,主要进行了以下工作:1)针对基于SIFT的图像匹配耗时问题,本文提出一种新的BSIFT方法,将128维描述子的差值与阈值比较,其结果用2位二进制数字表示,从而使128维SIFT描述子变为256位BSIFT描述子。同时,本文利用阈值与128维描述子的标准差之间的线性关系,给出计算阈值的公式。为避免直接利用汉明距离会产生错误结果,本文重新定义了256位BSIFT描述子的距离度量方法。实验结果表明,本文方法既能加快匹配速度,同时又能保证匹配准确率。2)针对SIFT和BSIFT方法均不具有镜像翻转不变性,本文提出一种具有镜像翻转不变性的MBR-SIFT描述子,MBR-SIFT通过将SIFT描述子按8个方向重新排序构造,然后对构造后的描述子二值化、逆序编码等操作,使得描述子不仅拥有对镜像翻转的鲁棒性,并且仍保持对旋转、尺度、视角、亮度、模糊变换的不变性。3)在镜像翻转不变的MBR-SIFT描述子基础上,结合本文提出的二值化和相似性度量方法,本文实现一种粗选和精选相结合的图像匹配方法。在Oxford和UKBench数据集上与BRIEF、BRISK、FREAK、SIFT、Chen’s、Zhou’s等方法进行了实验对比,实验结果表明,本文方法具有旋转、尺度、视角、亮度、模糊和镜像翻转不变性,并能保证较高的匹配效率。