视觉测量技术：特征匹配方法剖析

2023-11-24 理论教育版权反馈

【摘要】：在提取图像显著特征的基础上，特征匹配旨在建立这些稀疏特征之间的对应关系。不同的基于特征的匹配方法所选择的匹配基元各不相同。可以用作匹配基元的图像特征包括零交叉、直线段、曲线段、区域等。但是，特征匹配的方法只能得到相应基元特征处的景物深度值，为了重建可视表面还必须进行深度的内插操作。而利用SIFT算法进行特征匹配，则不会造成这一问题。图7.16 利用SIFT算法对Teddy图像中斜面场景进行特征提取和特征匹配的处理结果

在提取图像显著特征的基础上，特征匹配旨在建立这些稀疏特征之间的对应关系。不同的基于特征的匹配方法所选择的匹配基元各不相同。可以用作匹配基元的图像特征包括零交叉、直线段、曲线段、区域等。由于所使用的匹配基元各不相同，导致所使用的匹配准则不同。但是，特征匹配的方法只能得到相应基元特征处的景物深度值，为了重建可视表面还必须进行深度的内插操作。

近几年，由于基于局部不变量的特征提取方法的进步，特征匹配逐渐以特征点匹配为主流。一方面，是得益于特征提取方法的进展，即使图像特征在不同图像存在比例缩放或仿射变换等现象时，特征点匹配方法也能实现两幅图像的可靠匹配。此性质对改善宽基线匹配结果特别有用。因为在宽基线情况下，由于图像视点变化比较大，使得同一场景在不同视点下的投影出现比较大的变化。特别是对一些斜面场景的图像对，这种情况更加严重。通常基于局部匹配的算法在此区域很容易造成误匹配。因此，这样就对特征提取的算法提出了较高要求，希望提取的特征能够具有光照、旋转、尺度和反射不变性。在现有的特征提取算法中，尺度不变特征变换（Scale Invariant Feature Transform，SIFT）算法由于其良好的性能得到了广泛应用。图7.16所示是对标准图像对，即Teddy图像中斜面场景，利用SIFT算法提取特征并进行匹配得到的结果。从图中可以看出，由于该斜面的视差相对较大，使得在左右图像中，对应点附近的图像变化较大，如果利用局部匹配算法的代价累积策略，将会造成误匹配。而利用SIFT算法进行特征匹配，则不会造成这一问题。

(www.chuimin.cn)

图7.16 利用SIFT算法对Teddy图像中斜面场景进行特征提取和特征匹配的处理结果

视觉测量技术：特征匹配方法剖析

相关推荐