光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2014年
6期
1613-1621
,共9页
字典%特征描述向量%图像配准%K-奇异值分解算法
字典%特徵描述嚮量%圖像配準%K-奇異值分解算法
자전%특정묘술향량%도상배준%K-기이치분해산법
dictionary%feature description vector%image registration%K-singular Value Decomposition (KSVD) method
针对传统的特征向量计算方法复杂度高、耗时长、占用内存多等缺点,提出了一种基于字典描述向量的图像配准方法.该算法采用K-奇异值分解(K-SVD)方法生成字典,通过比较特征点临近区域图像与字典中基底图像的相似性得到特征描述向量,从而降低了描述向量的计算复杂度,提高了算法的实时性.实施该算法时,首先通过随机KD树算法对参考图像和待配准图像的特征点进行匹配,然后使用经典随机抽样一致性(RANSAC)算法剔除误匹配点对,最后应用最小二乘法对得到的匹配点对进行参数估计,从而得到两幅待配准图像的空间几何变换关系.实验表明结果,本文提出的描述向量计算方法降低了描述向量的存储空间,加快了特征匹配的速度,可在保证配准准确度的前提下实现配准过程.
針對傳統的特徵嚮量計算方法複雜度高、耗時長、佔用內存多等缺點,提齣瞭一種基于字典描述嚮量的圖像配準方法.該算法採用K-奇異值分解(K-SVD)方法生成字典,通過比較特徵點臨近區域圖像與字典中基底圖像的相似性得到特徵描述嚮量,從而降低瞭描述嚮量的計算複雜度,提高瞭算法的實時性.實施該算法時,首先通過隨機KD樹算法對參攷圖像和待配準圖像的特徵點進行匹配,然後使用經典隨機抽樣一緻性(RANSAC)算法剔除誤匹配點對,最後應用最小二乘法對得到的匹配點對進行參數估計,從而得到兩幅待配準圖像的空間幾何變換關繫.實驗錶明結果,本文提齣的描述嚮量計算方法降低瞭描述嚮量的存儲空間,加快瞭特徵匹配的速度,可在保證配準準確度的前提下實現配準過程.
침대전통적특정향량계산방법복잡도고、모시장、점용내존다등결점,제출료일충기우자전묘술향량적도상배준방법.해산법채용K-기이치분해(K-SVD)방법생성자전,통과비교특정점림근구역도상여자전중기저도상적상사성득도특정묘술향량,종이강저료묘술향량적계산복잡도,제고료산법적실시성.실시해산법시,수선통과수궤KD수산법대삼고도상화대배준도상적특정점진행필배,연후사용경전수궤추양일치성(RANSAC)산법척제오필배점대,최후응용최소이승법대득도적필배점대진행삼수고계,종이득도량폭대배준도상적공간궤하변환관계.실험표명결과,본문제출적묘술향량계산방법강저료묘술향량적존저공간,가쾌료특정필배적속도,가재보증배준준학도적전제하실현배준과정.