改进ORB算法在图像匹配中的应用

doi:10.3969/j.issn.1006-2475.2019.02.00

计算机与现代化

• 图像处理 • 下一篇

改进ORB算法在图像匹配中的应用

(河海大学物联网工程学院，江苏常州213022)

收稿日期:2018-06-28 出版日期:2019-02-25 发布日期:2019-02-26
作者简介:范新南(1965-),男,江苏宜兴人,教授,研究方向：信息获取与处理,E-mail: fanxn519@163.com; 通信作者：顾亚飞(1994-),男,硕士研究生，研究方向：机器人视觉SLAM, E-mail: gyf161308020007@163.com; 倪建军(1978-),男,教授，研究方向：智能感知与信息处理,E-mail: njjhhuc@gmail.com。
基金资助:
国家自然科学基金资助项目(61203365, 61573128); 国家重点研究计划项目(2016YFC0401606); 中央高校基本科研专项资金资助项目(2018B23214)

Application of Improved ORB Algorithm in Image Matching

(College of Internet of Things Engineering, Hohai University, Changzhou 213022, China)

Received:2018-06-28 Online:2019-02-25 Published:2019-02-26

摘要/Abstract

摘要： 在计算机视觉领域，图像匹配是一个核心问题。为了提高图像特征点匹配算法的准确度，增强算法的抗干扰能力，针对ORB（oriented FAST and rotated BRIEF）算法的不足，提出一种改进的图像特征点匹配算法。该算法通过设置自适应阈值来进行特征点检测，并在算法粗匹配结果的基础上剔除不符合图像几何特性的部分外点。最后，利用仿射不变性约束筛选出精确匹配点。实验表明，该方法可有效提高算法匹配质量且执行时间短，对于不同模糊度和曝光度的图像匹配均具有很好的鲁棒性。

关键词: ORB, 自适应, 几何特性, 仿射不变约束

Abstract: In the field of computer vision, image matching is a core issue. In order to improve the accuracy of image feature matching and enhance its anti-interference ability, in view of the insufficiency of ORB (oriented FAST and rotated BRIEF), an improved method based on ORB is proposed. This algorithm sets self-adaptive threshold in the process of detecting feature points. Furthermore, the outer points which do not conform to the geometric characteristics of images are removed after the coarse matching, then the affine invariant constraint is chosen to pick out the exact matching points. The experimental results show that the proposed method has greatly improved the matching quality and has low computing cost. In addition, the proposed method has strong robustness for different blur and exposure degrees.

Key words: ORB, self-adaptive, geometric characteristics, affine invariant constraint

中图分类号:

TP391.4

范新南，顾亚飞，倪建军. 改进ORB算法在图像匹配中的应用[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2019.02.00.

FAN Xin-nan, GU Ya-fei, NI Jian-jun. Application of Improved ORB Algorithm in Image Matching[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2019.02.00.

参考文献

［1］王玉亮,沈建新,廖文和. 基于SIFT特征的眼底图像自动拼接［J］. 中国图象图形学报, 2011,16(4):654-659.
［2］周敏,刘宁钟,王立春. 基于无人机航拍的公路图像拼接方法研究［J］. 计算机与现代化, 2016(10):49-53.
［3］侯志强,王利平,郭建新,等. 基于颜色、空间和纹理信息的目标跟踪［J］. 光电工程, 2018,45(5):39-46.
［4］马俊. 基于图像和深度信息融合的目标跟踪［J］. 计算机与现代化, 2013(9):91-94.
［5］ ABATE A F, NAPPI M, RICCIO D, et al. 2D and 3D face recognition: A survey［J］. Pattern Recognition Letters, 2007,28(14):1885-1906.
［6］ ZHANG T, LIU J H, LIU S L, et al. A 3D reconstruction method for pipeline inspection based on multi-vision［J］. Measurement, 2017,98:35-48.
［7］ MUR-ARTAL R, MONTIEL J M M, TARDOS J D. ORB-SLAM: A versatile and accurate monocular SLAM system［J］. IEEE Transactions on Robotics, 2015,31(5):1147-1163.
［8］权美香,朴松昊,李国. 视觉SLAM综述［J］. 智能系统学报, 2016,11(6):768-776.
［9］高晓峰,史朝辉. 一种改进的基于灰度投影的图像匹配算法［J］. 航空计算技术, 2012,42(6):85-87.
［10］李建虎,郭艳柳. 图像灰度匹配算法研究［J］. 海洋测绘, 2008,28(6):18-20.
［11］朱奇光,张朋珍,李昊立,等. 基于全局和局部特征融合的图像匹配算法研究［J］. 仪器仪表学报, 2016,37(1):170-176.
［12］赵莹,刘森,李庆猛,等. 基于图像特征匹配的商品识别算法［J］. 计算机与现代化, 2014(1):18-21.
［13］刘毅飞,张旭明,丁明跃. 归一化互相关灰度图像匹配的多核信号处理器实现［J］. 计算机应用, 2011,31(12):3334-3336.
［14］高峰. 图像配准中的几何特征不确定性建模及匹配方法研究［D］. 长沙:国防科学技术大学, 2011.
［15］时培明,蒋金水,刘彬,等. 基于边界特征尺度匹配延拓的EMD改进方法及应用［J］. 中国机械工程, 2014,25(12):1616-1623.
［16］于子翊,李晓娟. 基于形状不变矩的储粮微生物识别［J］. 微计算机信息, 2006,22(16):251-253.
［17］傅卫平,秦川,刘佳,等. 基于SIFT算法的图像目标匹配与定位［J］. 仪器仪表学报, 2011,32(1):163-169.
［18］赵璐璐,耿国华,李康,等. 基于SURF和快速近似最近邻搜索的图像匹配算法［J］. 计算机应用研究, 2013,30(3):921-923.
［19］李小红,谢成明,贾易臻,等. 基于ORB特征的快速目标检测算法［J］. 电子测量与仪器学报, 2013,27(5):455-460.
［20］LOWE D G. Distinctive image features from scale-invariant keypoints［J］. International Journal of Computer Vision, 2004,60(2):91-110.
［21］BAY H, ESS A, TUYTELAARS T, et al. Speeded-up robust features (SURF)［J］. Computer Vision and Image Understanding, 2008,110(3):346-359.
［22］RUBLEE E, RABAUD V, KONOLIGE K, et al. ORB: An efficient alternative to SIFT or SURF［C］// Proceedings of the 2011 IEEE International Conference on Computer Vision. 2011:2564-2571.
［23］ROSTEN E, DRUMMOND T. Machine learning for high-speed corner detection［C］// Proceedings of the 9th European Conference on Computer Vision. 2006:430-443.

[1]	彭宗玉, 黄开启, 苏建华, 王丽丽. 基于无模型自适应控制的视觉伺服[J]. 计算机与现代化, 2024, 0(01): 29-34.
[2]	胡崇佳, 刘金洲, 方立. 基于无监督域适应的室外点云语义分割[J]. 计算机与现代化, 2024, 0(01): 74-79.
[3]	李颖颖, 黄文培. 基于优化八叉树的场景视锥体裁剪算法[J]. 计算机与现代化, 2024, 0(01): 103-108.
[4]	夏千涵, 何胜煌, 吴元清, 赵乐乐. 基于可学习记忆特征金字塔网络的小样本目标检测[J]. 计算机与现代化, 2023, 0(12): 7-13.
[5]	宁娟, 周庆华, 曾小为. 改进YOLOv7算法在西林瓶轧盖缺陷检测中的应用[J]. 计算机与现代化, 2023, 0(12): 82-86.
[6]	卢磊, 贺智明, 黄志成. 基于多策略改进的麻雀搜索算法[J]. 计算机与现代化, 2023, 0(10): 23-31.
[7]	刘显茁, 邓韦斯, 谢恩彦. 考虑分布式发电并网的配电网自适应保护系统[J]. 计算机与现代化, 2023, 0(09): 120-126.
[8]	张美的, 余顺园. 基于局部自适应伽马校正低照度图像增强[J]. 计算机与现代化, 2023, 0(08): 74-78.
[9]	朱剑波, 葛明锋, 董文飞. 基于改进EfficientNet的阿尔兹海默症图像分类[J]. 计算机与现代化, 2023, 0(06): 56-61.
[10]	刘聪, 聂芸, 王国伟. 空天三维仿真的实体多元表达方法[J]. 计算机与现代化, 2023, 0(04): 90-94.
[11]	杨旭朝, 雷志勇, 王娇娇. 基于局部重叠区域的无显著特征图像配准算法[J]. 计算机与现代化, 2023, 0(01): 24-29.
[12]	蒋思清, 陈潇俊, 高豪俊, 何佳晋, 吴健, . 基于对抗域适应的心电信号深度学习分类算法[J]. 计算机与现代化, 2023, 0(01): 81-87.
[13]	汪敏, 徐英豪, 朱习军. 基于改进遗传算法优化BP神经网络的糖尿病并发症预测模型#br#[J]. 计算机与现代化, 2022, 0(11): 69-74.
[14]	杨贞, 单孟姣, 殷志坚, 杨凡, 李翠梅. 细粒度图像分类的通道自适应判别性学习方法[J]. 计算机与现代化, 2022, 0(10): 68-74.
[15]	马茜, 段毅, 徐冬, . 基于梯度差的声速剖面自适应分层算法[J]. 计算机与现代化, 2022, 0(08): 30-35.

改进ORB算法在图像匹配中的应用

Application of Improved ORB Algorithm in Image Matching

PDF (PC)

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