李　銀,何　強(qiáng)，喬龍輝

(1.重慶郵電大學(xué)，重慶400065；2.重慶信科設(shè)計(jì)有限公司，重慶400065)

?

基于ASIFT算法特征匹配的研究*

李銀1，2,何強(qiáng)1，2，喬龍輝1，2

(1.重慶郵電大學(xué)，重慶400065；2.重慶信科設(shè)計(jì)有限公司，重慶400065)

針對(duì)SIFT算法對(duì)大角度視角變化下特征提取魯棒性不強(qiáng)的弱點(diǎn)，引入了一種完全仿射不變的圖像特征匹配算法—ASIFT。ASIFT算法不僅繼承了SIFT算法的尺度、旋轉(zhuǎn)和平移的不變性，并且在此基礎(chǔ)上增加了兩個(gè)空間特征描述參數(shù)：經(jīng)度和緯度，從而定義出度量仿射形變的兩個(gè)參量絕對(duì)傾斜t(absolutetilt)和過(guò)渡傾斜τ(transitiontilt)，模擬相機(jī)光軸變化，實(shí)現(xiàn)完全仿射不變。一種雙分辨率(two-resolution)加速方法的提出，使ASIFT算法的復(fù)雜度約為SIFT的2倍。

特征匹配；仿射不變；過(guò)渡傾斜；絕對(duì)傾斜；雙分辨率；SIFT；ASIFT

0　引言

圖像匹配旨在建立出現(xiàn)在不同的圖像相似對(duì)象之間的對(duì)應(yīng)關(guān)系，已在許多計(jì)算機(jī)視覺(jué)和圖像處理方面得到應(yīng)用，例如圖像識(shí)別、三維重建、目標(biāo)跟蹤、機(jī)器人定位等。目前國(guó)際上最先進(jìn)的圖像匹配算法通常由檢測(cè)器和描述符兩部分組成，根據(jù)不變特性可以分為：平移和旋轉(zhuǎn)不變特性的Harris角點(diǎn)檢測(cè)器[1]；旋轉(zhuǎn)和尺度不變的Harris-Laplace、Hessian-Laplace和DoG(差分高斯)區(qū)域檢測(cè)器[2-3]；仿射性不變的基于雙極線的區(qū)域檢測(cè)器MSER[4]。這些方法通過(guò)歸一化局部區(qū)域、部分區(qū)域或者水平線修補(bǔ)程序可以形成仿射變換，當(dāng)歸一化這些參量使其成為標(biāo)準(zhǔn)對(duì)象時(shí)，仿射變換的效果就會(huì)消除。LOWEDG提出了尺度不變特征轉(zhuǎn)換SIFT[5-6]，是完全尺度不變的唯一方法，由于SIFT沒(méi)有覆蓋整個(gè)仿射空間，它的性能在視角變化的情況下迅速降低，因而不具有完全仿射性。

ASIFT算法建立模型增加了經(jīng)度和緯度兩個(gè)參數(shù)，模擬相機(jī)軸方向和尺度變化，并歸一化旋轉(zhuǎn)和平移，實(shí)現(xiàn)了完全仿射不變,但相應(yīng)的復(fù)雜度會(huì)大大增加。它是一種雙分辨率方法，具有單一的SIFT算法大約兩倍的復(fù)雜性。經(jīng)過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，ASIFT算法能夠很好地處理視角變化的圖像仿射特征匹配，驗(yàn)證了仿射不變性。因而ASIFT算法匹配在各種復(fù)雜情況下的圖像識(shí)別領(lǐng)域都有廣闊的應(yīng)用前景。

1　仿射變換模擬

1.1仿射相機(jī)模型

通過(guò)仿射平面變換能模擬拍攝視角變化所產(chǎn)生的圖像形變，這種模型提供對(duì)象的邊界是分段光滑的，因此，一種攝像機(jī)運(yùn)動(dòng)圖像變形模型[7]表示如下：

μ(ax+by+e,cx+dy+f)

(1)

圖1　仿射模擬

1.2視角變換下的仿射模型

圖2　絕對(duì)傾斜示例圖

式(1)定義了絕對(duì)傾斜(absolutetilt)t，它表示相機(jī)從正面到斜視圖的圖像形變率，用來(lái)量化圖像之間的傾斜量。圖2、圖3描述了絕對(duì)傾斜與過(guò)渡傾斜的不同。

圖3　過(guò)渡傾斜示例圖

圖3表示在正交方向上傾斜：φ=φ′+90°，μ1與μ2之間的過(guò)渡傾斜可表示為：τ(μ1,μ2)=t′t，取θ=60°，θ′=75.3°,t=2,t′=4,τ(μ1,μ2)=t′t=8，可見(jiàn)兩幅圖的正常絕對(duì)傾斜會(huì)產(chǎn)生較大的過(guò)渡傾斜。因此在實(shí)際應(yīng)用中絕對(duì)傾斜t只能取到6，對(duì)應(yīng)的緯度角θ≈80.5° ，過(guò)渡傾斜τ可達(dá)到36。

2　ASIFT算法

SIFT算法思想是結(jié)合模擬和歸一化。SIFT檢測(cè)器對(duì)目標(biāo)圖像歸一化旋轉(zhuǎn)、平移，模擬尺度縮放，因此SIFT是唯一的完全的尺度不變方法。ASIFT算法在SIFT的基礎(chǔ)上進(jìn)行了改進(jìn)，模擬尺度、經(jīng)度和緯度3個(gè)參數(shù)，并且歸一化旋轉(zhuǎn)和平移，由此完成了對(duì)整個(gè)仿射空間的模擬，實(shí)現(xiàn)仿射不變性，相關(guān)證明參見(jiàn)參考文獻(xiàn)[8]。圖4形象地表示了對(duì)ASIFT算法的概述，其中正方形A、B代表匹配圖像，模擬產(chǎn)生圖像由周圍的平行四邊形表示，從而完成了模擬因相機(jī)光軸方向變化所產(chǎn)生的形變。由于ASIFT特征提取過(guò)程復(fù)雜,計(jì)算量大，一種雙分辨率(two-resolution)的提出將進(jìn)一步減少SIFT算法的復(fù)雜性，大約是SIFT的2倍。

圖4　絕對(duì)傾斜實(shí)驗(yàn)

2.1ASIFT算法過(guò)程

(2)

其中ω為輸入圖像，以每組φ和θ采樣通過(guò)式(2)得到一組模擬圖。

(3)對(duì)模擬圖像進(jìn)行SIFT算法特征檢測(cè)和匹配。

2.2雙分辨率加速

雙分辨率加速(Acceleration with Two Resolution )方法[8-9]是通過(guò)對(duì)低分辨率目標(biāo)圖像進(jìn)行2.1節(jié)描述的ASIFT算法，該過(guò)程首先對(duì)輸入圖像進(jìn)行低分辨率處理，然后模擬仿射變化，最后對(duì)得到的模擬圖像應(yīng)用SIFT算法。

雙分辨率方法總結(jié)如下：

(1)由一個(gè)K×K 采樣因子對(duì)查詢圖像μ和搜索圖像υ進(jìn)行二次采樣：μ′=SKGKμ和υ′=SKGKυ，其中SK是二次采樣抽樣算子，GK是一個(gè)抗混疊高斯離散濾波器；

(2)低分辨率下ASIFT算法：對(duì)查詢圖像μ和搜索圖像υ應(yīng)用2.1節(jié)中所述的ASIFT算法；

(3)確定模擬圖μ′和υ′之間最多匹配對(duì)的M種仿射變換；

(4)高分辨率ASIFT算法：對(duì)原始圖像μ和υ使用ASIFT算法，而只模擬確定的M種仿射變換。

2.3ASIFT的復(fù)雜度

3　ASIFT算法實(shí)驗(yàn)分析

實(shí)驗(yàn)在Intel i5 CUP，2 GB內(nèi)存MATLAB仿真平臺(tái)上完成，通過(guò)仿真對(duì)ASIFT算法與SIFT算法匹配效果進(jìn)行對(duì)比，采用匹配對(duì)數(shù)目作為比較標(biāo)準(zhǔn)，實(shí)驗(yàn)圖形分辨率為500×670。

(1)絕對(duì)傾斜實(shí)驗(yàn)：對(duì)絕對(duì)傾斜進(jìn)行測(cè)試，改變相機(jī)光軸與正面視圖的角度，分別取緯度θ=30°、75°進(jìn)行實(shí)驗(yàn)仿真，可分別得如圖4(a)、(b)匹配圖。

(2)過(guò)渡傾斜實(shí)驗(yàn)：對(duì)過(guò)渡傾斜τ進(jìn)行測(cè)試，取t=4，分別取經(jīng)度角φ=30°、80°進(jìn)行實(shí)驗(yàn)仿真，分別得到如圖5所示的匹配圖(a)、(b)。

圖5　過(guò)渡傾斜實(shí)驗(yàn)

實(shí)驗(yàn)表明ASIFT算法擴(kuò)展了SIFT算法的裝置，通過(guò)仿射模型提出的經(jīng)度和緯度兩個(gè)重要參數(shù)，模擬光軸變化，充分考慮了實(shí)際目標(biāo)發(fā)生的變化，相對(duì)于SIFT算法能夠檢測(cè)出更多的匹配對(duì)。實(shí)驗(yàn)對(duì)比圖所示SIFT算法的過(guò)渡傾斜只能模擬到2，而ASIFT算法可取到16(理論上可達(dá)36)，有效地量化了兩幅圖像因角度變化引起的形變?？梢钥闯鯝SIFT算法不僅繼承了SIFT算法完全尺度不變的特性，而且實(shí)現(xiàn)了完全仿射不變，保證了特征匹配的準(zhǔn)確性、完備性。

4　結(jié)論

本文對(duì)ASIFT算法的研究分析可以看出，ASIFT改進(jìn)了目前幾種先進(jìn)的特征匹配算法的不足，魯棒性、穩(wěn)定性和適應(yīng)性最好，在實(shí)際的目標(biāo)識(shí)別、跟蹤等很多方面都有很強(qiáng)的適用性。針對(duì)模擬圖像引起復(fù)雜度增加的問(wèn)題，提出的雙分辨率法有效地降低了ASIFT的復(fù)雜度，提高了算法的性能。下一步工作是將該算法運(yùn)用到實(shí)際中，結(jié)合實(shí)際的需求進(jìn)一步改善ASIFT算法的性能。

[1] 張波,王天召,李科,等.一種改進(jìn)的Harris特征點(diǎn)匹配算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2013,22(7):100-103.

[2] MIKOLAJCZYK K, SCHMID.An affine inva- giant interest point detector[C].The Seventh European Conference on Computer Vision ,Springer-verlag,London,2002,128-14.

[3] MIKOLAJCZYK K,SCHMID C.Scale and affine invariant interest point detectors[J].International Journal of Computer.Vision, 2004(60) :63-86.

[4] MATAS J,CHUM O,URBAN M,et al.Robust wide-baseline stereo from maximally stable extremal regions[J].Image and Vision Computing ,2004,22(10):761-767.

[5] LOWE D G. Object recognition from local scale-invariant features[C]. International Conference on Computer Vision, Greece: IEEE Press, 1999: 1150-115.

[6] LOWE D G. Distinctive image features from scale-invariant key points[J].International Journal Computer Vision, 2004,60(2):91-110.

[7] ABDEL-HAKIM A E, FARAG A A.Farag CSIFT: ASIFT descriptor with color invariant characteristics[J].IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2006,3(5): 1978-1983.

[8] MOREL J M,Yu Guoshen.ASIFT：a new framework for fully affine invariant image comparison[J].Society for Industrial and Applied Mathematics,2009,2(2):438-469.

[9] PELAGE S, ROUS SO B, RAV-ACHA A, et al. Mosaicing on adaptive manifolds[J].IEEE Transactions on PAMI, 2000, 22(10): 1144-1154.

[10] BALLAVIA F, TEGOLO D, VALENTI C. Improving harris corner selection strategy[J].IET Computer Vision, 2011, 5(2): 87-96.

Research of feature matching based on ASIFT algorithm

LiYin1,2,HeQiang1,2,QiaoLonghui1,2

(1.ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China;2.ChongqingInformationTechnologyDesigningCo.LTD,Chongqing400065，China)

SIFTalgorithmforlargeangleviewinganglechangesrobustfeatureextractionisnotstrong,aimingattheweaknessofSIFTalgorithm,thispaperintroducedacompletelyaffineinvariantimagefeaturematchingalgorithm,whichnamedASIFT.ASIFTalgorithmnotonlyinheritsthescale,rotationandtranslationinvarianceoftheSIFTalgorithm,onthisbasis,twospacecharacterizationparameters,whicharelongitudeandlatitudeareadded.Therebytwoparametersabsolutetransitiont (absolutetilt)andtilttransitionτ (transitiontilt)aredefinedformeasuringaffinedeformation.Bysimulatingthechangeoftheopticalaxisofthecameratoachievecompletelyaffineinvariant.Two-resolution(two-resolution)toacceleratetheproposedmethod,andmakethecomplexityofASIFTalgorithmisabout2timesofSIFT.

featurematching;affineinvariant;transitiontilt;absolutetilt;Two-resolution;SIFT;ASIFT

重慶市研究生科研創(chuàng)新基金資助項(xiàng)目(CYS15166)

TP317ADOI： 10.19358/j.issn.1674- 7720.2016.15.014

2016-04-13)

李銀(1990-)，通信作者，男，碩士研究生，主要研究方向：計(jì)算機(jī)視覺(jué)、圖像處理。E-mail:liyin8971488@qq.com。

何強(qiáng)(1990-)男，碩士生，主要研究方向：機(jī)器學(xué)習(xí)、模式識(shí)別。

喬龍輝(1993-)，男，碩士研究生，主要研究方向：圖像處理、機(jī)器學(xué)習(xí)。

引用格式：李銀,何強(qiáng)，喬龍輝. 基于ASIFT算法特征匹配的研究[J].微型機(jī)與應(yīng)用，2016,35(15)：48-50，53.