一种改进SURF的视觉影像匹配算法

doi:10.13474/j.cnki.11-2246.2021.0018

测绘通报 ›› 2021, Vol. 0 ›› Issue (1): 99-102,107.doi: 10.13474/j.cnki.11-2246.2021.0018

一种改进SURF的视觉影像匹配算法

钱学飞¹, 沈映政¹, 王友昆^2,3, 陈宇², 徐博²

1. 云南国土资源职业学院, 云南昆明 652501;
2. 武汉大学测绘学院, 湖北武汉 430079;
3. 昆明市测绘研究院, 云南昆明 650051

收稿日期:2020-07-08 修回日期:2020-07-30 发布日期:2021-02-08
通讯作者: 沈映政。E-mail:99058223@qq.com
作者简介:钱学飞(1979-),男,硕士生,工程师,主要研究方向为摄影测量与遥感及点云数据处理。E-mail:540847054@qq.com
基金资助:
国家重点研发计划（2017YFC0803801）；云南省地矿局科技创新基金项目（2017JJ05）；云南省教育厅科学研究基金（2019J0481）

An improved SURF method on the visual image area

QIAN Xuefei¹, SHEN Yingzheng¹, WANG Youkun^2,3, CHEN Yu², XU Bo²

1. Yunnan Land Resources Vocational College, Kunming 652501, China;
2. School of Geodsy and Geomatics, Wuhan University, Wuhan 430079, China;
3. Kunming Surveying and Mapping Institute, Kunming 650051, China

Received:2020-07-08 Revised:2020-07-30 Published:2021-02-08

摘要/Abstract

摘要： 视觉影像经常存在纹理情况复杂和动态模糊等情况，严重降低了连续影像间各类特征的相似性，导致传统的匹配算法难以获得准确、稳定、分布良好的影像匹配，影响后续影像处理中各类信息的获取。针对上述情况，本文提出了一种改进SURF视觉影像匹配方法。该方法包括特征提取、初始匹配和对应匹配3个步骤。首先，利用SURF特征匹配方法提取足够且分布良好的特征点；其次，进行初始匹配，得到一些正确的匹配点对及影像对之间的初始投影变换关系；最后，采用几何对应匹配策略进行匹配传播，得到更可靠的匹配结果。通过图像对之间的几何关系，几何对应匹配能够发现比初始SURF算法更合适的匹配结果。对TUM数据综合试验表明，该算法简单快速，匹配精度高。

关键词: SURF, 视觉影像, 影像匹配, 特征提取, 几何对应匹配

Abstract: Visual images always have the problem of complex texture and dynamic blur, and seriously reduces the similarity of various features between continuous images, and makes it difficult for traditional matching algorithms to obtain accurate, stable and well distributed image matching, then affects the acquisition of all kinds of information in subsequent image processing. In order to solve these problems, this paper proposes an improved surf visual image matching method. The method includes three steps: feature extraction, initial matching and corresponding matching. Firstly, SURF feature matching method is used to extract enough and well distributed feature points; secondly, initial matching is carried out to obtain some correct matching point pairs and the initial projection transformation relationship between image pairs; finally, geometric correspondence matching strategy is used for matching propagation to obtain more reliable matching results. Through the geometric relationship between image pairs, geometric correspondence matching can find more suitable matching results than the original surf algorithm. The experimental results of the TUM data synthesis show that the algorithm is simple and fast, and the matching accuracy is high.

Key words: SURF, visual image, image matching, feature extraction, geometric correspondence matching

中图分类号:

P237

钱学飞, 沈映政, 王友昆, 陈宇, 徐博. 一种改进SURF的视觉影像匹配算法[J]. 测绘通报, 2021, 0(1): 99-102,107.

QIAN Xuefei, SHEN Yingzheng, WANG Youkun, CHEN Yu, XU Bo. An improved SURF method on the visual image area[J]. Bulletin of Surveying and Mapping, 2021, 0(1): 99-102,107.

参考文献

[1] 危双丰,刘振彬,赵江洪,等.SLAM室内三维重建技术综述[J].测绘科学,2018,43(7):15-26.
[2] GAUGLITZ S, HOLLERER T, TURK M. Evaluation of interest point detectors and feature descriptors for visual tracking[J]. International Journal of Computer Vision, 2011, 94(3):335-360.
[3] LOWE D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004, 60(2):91-110.
[4] 王雅丽,厉彦玲,蔡玉林. 基于特征点的影像匹配方法探讨[J]. 测绘科学, 2013, 38(2):173-177.
[5] 李二森,张保明,刘景正,等.SIFT特征匹配技术在自动相对定向中的应用[J].测绘科学,2008, 33(5):16-18.
[6] ROSTEN E, DRUMMOND T. Machine learning for high-speed corner detection[C]//Proceedings of European Conference on Computer Vision.[S.l.]:Springer, 2006.
[7] CALONDER M, LEPETIT V, STRECHA C, et al. Brief:binary robust independent elementary features[C]//Proceedings of European Conference on Computer Vision.[S.l.]:Springer, 2010.
[8] BAY H, TUYTELAARS T, GOOL L V. Surf:speeded up robust features[C]//Proceedings of European Conference on Computer Vision. Graz:Springer, 2006.
[9] 黄春凤,刘守山,别治峰,等.改进的SURF算法在图像匹配中的应用[J].现代电子技术,2020,43(10):111-115.
[10] 赵媛.基于SURF的岩石铸体薄片图像拼接研究[D]. 西安:西安石油大学,2018:21-29.
[11] HUANG L Q, CHEN C G, SHEN H H, et al. Adaptive registration algorithm of color images based on SURF[J]. Measurement, 2015, 66:118-124.
[12] 蔡香玉,盛业华,黄毅,等. 融合Harris-Laplace算子的SURF算法与无人机影像匹配[J]. 测绘科学, 2018, 43(11):24-30.
[13] 菜鸟知识搬运工. SURF算法[EB/OL].[2019-01-18]. https://blog.csdn.net/qq_30815237/article/details/86545950.
[14] LIU Y, MO F, TAO P. Matching multi-source optical satellite imagery exploiting a multi-stage approach[J]. Remote Sens., 2017, 9(12):1249.
[15] CHEN Y, YAN L, XU B, et al. Multi-stage matching approach for mobile platform visual imagery[J]. IEEE Access, 2019, 7:160523-160535.

一种改进SURF的视觉影像匹配算法

An improved SURF method on the visual image area

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	杨俊, 刘灵辉. 加权全极化SAR图像分类下的功能区土地时空变化特征提取[J]. 测绘通报, 2022, 0(7): 138-142,153.
[2]	石壮, 杜全叶, 王庆栋, 马东岭, 崔琰. 虚拟格网分类支持下的密集匹配点云布料模拟滤波[J]. 测绘通报, 2022, 0(2): 73-77.
[3]	胡春梅, 夏国芳, 张旭, 刘喜, 王伟, 尉丽霞. 文物对象近景序列影像位姿高精度估计方法[J]. 测绘通报, 2022, 0(1): 50-55.
[4]	丁鸽, 燕立爽, 彭健, 朱传广, 黄雪亭. 基于RANSAC算法的隧道点云横断面提取[J]. 测绘通报, 2021, 0(9): 120-123.
[5]	耿万轩, 周维勋, 金双根. 基于LDCNN特征提取的多核SVM高分辨率遥感影像场景分类[J]. 测绘通报, 2021, 0(8): 14-21.
[6]	淳锦, 张新长, 郭海京, 张建国, 金诗程. 基于多源信息与深度学习特征提取的人口空间抽样方法[J]. 测绘通报, 2021, 0(8): 42-47.
[7]	陶莉, 胡召玲. 利用Sentinel-2A数据提取长江中下游丘陵地带农作物种植信息[J]. 测绘通报, 2021, 0(7): 39-43.
[8]	王挺, 陈超然, 彭梦圆, 黄尔双, 黄霞. POS辅助和核线约束的倾斜影像匹配方法[J]. 测绘通报, 2021, 0(5): 91-95.
[9]	喜文飞, 赵子龙, 王绍君, 沈志坚, 李帅. 一种改进的无人机影像拼接粗差剔除算法[J]. 测绘通报, 2021, 0(2): 36-39.
[10]	刘燕, 杨树文, 薛理, 赵利江. 参考地理数据的大比例尺影像无控定位[J]. 测绘通报, 2020, 0(8): 18-22,27.
[11]	葛义攀, 王晓红. 基于本质矩阵的无人机影像精确匹配[J]. 测绘通报, 2020, 0(8): 55-58,75.
[12]	李梓豪, 唐超, 郭文远. 改进的无人机影像处理技术在新冠疫情复工建设中的应用[J]. 测绘通报, 2020, 0(7): 53-57.
[13]	陈艳楠, 汪佳丽. 利用投影影像精化数字表面模型[J]. 测绘通报, 2020, 0(6): 45-48,56.
[14]	李闯, 王晓红, 何志伟. 利用A-AKAZE算法进行喀斯特地区无人机影像匹配[J]. 测绘通报, 2020, 0(6): 53-56.
[15]	李红梅, 张春亢, 张霞, 罗竹. Morse理论支持下的建筑物点云特征提取[J]. 测绘通报, 2020, 0(5): 31-35,42.