一种基于特征点跟踪的多影像匹配算法

doi:10.16182/j.issn1004731x.joss.201705029

系统仿真学报 ›› 2017, Vol. 29 ›› Issue (5): 1147-1152.doi: 10.16182/j.issn1004731x.joss.201705029

一种基于特征点跟踪的多影像匹配算法

贾开开, 张振杰, 郝向阳

解放军信息工程大学,河南郑州 450001

收稿日期:2015-04-28 修回日期:2015-07-07 出版日期:2017-05-08 发布日期:2020-06-03
作者简介:贾开开(1989-),男,河南商丘,硕士生,研究方向为计算机视觉、机器视觉;张振杰(1988-),男,河南林州,博士生,研究方向视觉导航、计算机视觉;郝向阳(1966-),男,河南济源,博士,教授,博导,研究方向为计算机视觉、摄影测量。

Novel Method on Features Tracking for Multi-image Matching

Jia Kaikai, Zhang Zhenjie, Hao Xiangyang

Information Engineering University, Zhengzhou 450000, China

Received:2015-04-28 Revised:2015-07-07 Online:2017-05-08 Published:2020-06-03

摘要/Abstract

摘要： 在序列影像中,考虑到相邻帧影像的运动随时间变化比较缓慢,可以将光流法用于影像匹配过程中,提出了一种基于特征点跟踪的多影像匹配算法。通过光流法对特征点在帧间进行跟踪,结合匹配判别准则和FB Error算法实现相邻帧影像的快速准确匹配,利用多帧影像间的特征点跟踪实现多影像匹配。实验表明:该算法相比于传统的特征点匹配算法,提高了计算效率并保持了较好的匹配准确率。

关键词: 光流法, 特征点跟踪, 多影像匹配, FB Error

Abstract: Considering the slow motion between adjacent frames in image sequence, optical flow can be applied on image matching. A novel method for multi-image matching based on features tracking was proposed. The algorithm tracked features between adjacent frames, combining with matching strategy and FB Error, to achieve fast and accurate matching. Multi-image matching was finished by tracking features between image sequence. The experimental results show that the novel algorithm improves the efficiency and ensure the accuracy.

Key words: optical flow, features tracking, multi-image matching, FB Error

中图分类号:

TP277

贾开开, 张振杰, 郝向阳. 一种基于特征点跟踪的多影像匹配算法[J]. 系统仿真学报, 2017, 29(5): 1147-1152.

Jia Kaikai, Zhang Zhenjie, Hao Xiangyang. Novel Method on Features Tracking for Multi-image Matching[J]. Journal of System Simulation, 2017, 29(5): 1147-1152.

参考文献

[1] 纪松. 多匹配策略与优化方法研究 [D]. 郑州: 信息工程大学, 2012.
(JI Song.Study on The Strategy and Improvement Method of Multi-view Matching Technology [D]. Zhengzhou, China: PLA Information Engineering University, 2012.)
[2] Mass H G.Automatic DEM Generation by Multi-image Feature Based Matching[J]. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 1996, 31(3): 484-489.
[3] Brown M Z, Szeliski R, Winder S.Multi-image Matching Using Multi-scale Oriented Patches[C]// Proceedings of the International Conference on Computer Vision and Pattern Recognition. San Diego, Ca, USA: 2005, 2: 510-517.
[4] Szeliski R, Kang S B.Direct Methods for Visual Scene Reconstruction[C]// IEEE Workshop on Representations of Visual Scenes. Cambridge, Massachusetts, USA: IEEE, 1995: 26-33.
[5] D'Apuzzo N. Modeling Human Faces with Multi-image Photogrammtry[C]// Proceedings of SPIE. San Jose, California, USA: SPIE, 2002, 4661: 191-197.
[6] Matthew A B.Multi-image Matching Using Invariant Features [D]. Vancouver, Canada: The University of British Columbia, 2005.
[7] 李爱霞, 关泽群, 冯甜甜. 一种利用流行学习进行多影像匹配的方法[J]. 武汉大学学报(信息科学版), 2012, 37(11): 1303-1306.
(LI Aixia, GUAN Zequn, FENG Tiantian.A Novel Method on Manifold for Multi-image Macching[J]. Geomatics and Information Science of Wuhan University, 2012, 37(11): 1303-1306.)
[8] 袁修孝, 明洋. 一种综合利用像方和物方信息的多影像匹配方法[J]. 测绘学报, 2009, 38(3): 216-222.
(YUAN Xiuxioa, MING Yang.A Novel Method for Multi-image Matching Synthesizing Image and Object-space Information[J]. Geo-spatial Information Science, 2009, 38(3): 216-222.)
[9] 蒋晓瑜, 姚军, 宋小彬. 基于局部光流约束的角点匹配算法[J]. 光学技术, 2010, 36(2): 229-234.
(JIANG Xiaoyu,YAO Jun, SONG Xiaobin.Corner matching method based on local optical flow[J]. Optical Technique, 2010, 36(2): 229-234.)
[10] 贾云得. 机器视觉[M]. 北京: 科学出版社, 2000.
[11] B Lucas, T Kanade.An iterative image registration technique with an application to stereo vision[J]. Joint Conference in Artificial Intelligence, 1981: 13-26.

[1]	敖邦乾, 杨莎, 令狐金卿, 叶振环. 基于级联神经网络疲劳驾驶检测系统设计[J]. 系统仿真学报, 2022, 34(2): 323-333.
[2]	李元, 耿泽伟. 基于LLE与K均值聚类算法的工业过程故障诊断[J]. 系统仿真学报, 2021, 33(9): 2066-2073.
[3]	郭小萍, 高嘉俊, 郭建斌, 李元. 基于近邻指标累积和的过程微小故障检测[J]. 系统仿真学报, 2021, 33(4): 792-800.
[4]	李炜, 周丙相, 蒋栋年. 基于深度学习序贯检验的电源车故障诊断方法[J]. 系统仿真学报, 2020, 32(4): 638-648.
[5]	吴昀璞, 金炜东, 任俊箫. 基于孪生卷积网络的高速列车转向架故障辨识[J]. 系统仿真学报, 2019, 31(11): 2562-2568.
[6]	牛玉广, 王世林, 林忠伟, 李晓明. 基于GPNMF的工业过程故障检测[J]. 系统仿真学报, 2018, 30(2): 521-532.
[7]	焦嵩鸣. 基于融合相似度的制粉系统健康预警及故障诊断[J]. 系统仿真学报, 2018, 30(2): 595-604.
[8]	洪贝, 姜学鹏, 齐玉东, 陈青华. 基于Hermite矩阵求逆的LSSVM在线预测算法研究[J]. 系统仿真学报, 2017, 29(1): 1-6.
[9]	张彪, 邢健峰, 纪志成. 基于优化SVM的反渗透脱盐水故障诊断[J]. 系统仿真学报, 2015, 27(5): 1057-1063.
[10]	王印松, 孙天舒. 基于二分类NMF网络的执行器故障状态评估[J]. 系统仿真学报, 2021, 33(8): 1882-1891.
[11]	顾岩, 程奂翀, 王震, 范秀敏. 基于OPC UA的3D实时监控系统设计与实现[J]. 系统仿真学报, 2017, 29(11): 2767-2773.
[12]	谢彦红, 孙呈敖, 李元. 加权动态SVDD在非线性过程监测中的应用研究[J]. 系统仿真学报, 2017, 29(7): 1506-1513.
[13]	吴昀璞, 金炜东, 黄颖坤. 基于多域融合CNN的高速列车转向架故障检测[J]. 系统仿真学报, 2018, 30(11): 4492-4497.
[14]	韩晓春, 薄翠梅, 易辉. 基于DNPE-SVDD的化工过程监控[J]. 系统仿真学报, 2018, 30(1): 184-190.

一种基于特征点跟踪的多影像匹配算法

Novel Method on Features Tracking for Multi-image Matching

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics

本文评价