文档介绍：一种快速多尺度特征点匹配算法
邵巍1) 朱圣英1) 陈灵芝2)
1)(哈尔滨工业大学深空探测基础研究中心,哈尔滨 150080) 2)(青岛科技大学自动化与电子工程学院,青岛 266042)
摘要为了快速稳定地进行多尺度特征点的跟踪,提出了一种快速多尺度特征点的提取算法。该算法首先利用快速局部窗口极值搜索算法提取出不同尺度空间的特征点的局部极值,然后对特征描述符进行小波变换后,再利用最近邻算法对特征点进行匹配。实验结果表明,该算法的计算速度快于SIFT算法和MOPS算法,稳定性强于传统的Harris算法,可以用于实时图像配准及目标跟踪3002
关键词特征点提取特征点匹配多尺度变换 MOPS SIFT Harris角点
中图法分类号: 文献标识码:A
A Fast Multi-Scale Feature Matching Algorithm
SHAO Wei, ZHU Sheng-ying, CHEN Ling-zhi
(Deep Space Exploration Research Center, Harbin Institute of Technology, Harbin 150008)
Abstract This paper presents a Multi-Scale feature extraction algorithm, putes maximum of the features in moving windows using fast algorithm and gets the matching features using nearest neighbor matching algorithm that indexes features based on their low frequency Haar wavelet coefficients. The experimental results show that this algorithm is faster than the SIFT and MOPS, and has more stability than Harris algorithm. The algorithm can be used in image registration and target tracking.
Keywords feature extraction; feature matching; multi-scale transform; MOPS; SIFT; Harris corner
1 引言
基于尺度空间的特征点提取算法是利用图像的特征不变描述符对不同尺度空间的特征点进行描述。Schmid和Mohr最早利用高斯微分算子对传统的Harris算法[1]进行改进,形成了旋转不变的特征描述[2]。Lowe对此算法进行了改进,在不同尺度空间进行特征点的提取,形成了SIFT(scale-invariant feature transform)算法[3]。SIFT算法对图像的旋转、缩放及光照影响都具有一定的鲁棒性。Brown等人提出了MOPS(multi-scale oriented patches)算法[4],进行不同尺度上Harris特征点的提取,并利用