• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    快速穩(wěn)健的自適應(yīng)非線性尺度特征檢測子

    2016-11-11 07:21:33李建增李德良杜玉龍
    關(guān)鍵詞:尺度空間魯棒性算子

    張 巖,李建增,李德良,杜玉龍

    (軍械工程學(xué)院無人機工程系,河北 石家莊 050003)

    ?

    快速穩(wěn)健的自適應(yīng)非線性尺度特征檢測子

    張巖,李建增,李德良,杜玉龍

    (軍械工程學(xué)院無人機工程系,河北 石家莊 050003)

    提出了一種快速穩(wěn)健的自適應(yīng)非線性尺度特征檢測子(fast robust adaptive nonlinear scale feature detector,FRANSFD),通過非線性尺度空間快速求解去除了噪聲同時保證了邊緣細(xì)節(jié),并將自適應(yīng)選取尺度空間組數(shù)、基于加速段檢驗的自適應(yīng)通用角點檢測子(adaptive and generic corner detection based on the accelerated segment test,AGAST)與框狀拉普拉斯濾波器去除邊緣響應(yīng)相結(jié)合,兼顧了檢測的準(zhǔn)確性與實時性。通過與尺度不變特征轉(zhuǎn)換(scale invariant feature transform,SIFT)檢測子、快速魯棒性特征(speeded up robust features,SURF)檢測子、風(fēng)式特征(KAZE)檢測子以及二進制魯棒性尺度不變的特征(binary robust invariant scalable keypoints,BRISK)檢測子的實驗對比可知,FRANSFD的5種變換魯棒性均較強,同時速度也更快。綜合性能較KAZE提高約5.76%,速度提高約47%。

    特征匹配; 快速穩(wěn)健的自適應(yīng)非線性尺度特征檢測子; 風(fēng)式特征匹配算子; 自適應(yīng)通用角點檢測算子

    0 引 言

    圖像匹配是將不同時間、不同視角、相同或不同傳感器獲取的同一地區(qū)的兩幅或多幅影像進行空間上對準(zhǔn)的過程。其主要解決視點、模糊、照度、JPEG壓縮,尺度以及旋轉(zhuǎn)變換問題[1]??傮w分為基于特征匹配與基于灰度匹配兩大類[2]。近些年來,由于計算量小、魯棒性高與變換關(guān)系易于得到等優(yōu)勢,特征匹配被廣泛使用與研究[3]。

    特征匹配主要包括:圖像預(yù)處理,特征檢測,特征描述,特征匹配,去除錯誤點。其中特征檢測是首要問題,這是因為檢測算法直接決定了匹配整體的運算點數(shù)目,從而影響了匹配的計算量;并且檢測算法決定了噪聲、照度、圖像變形及遮擋的影響程度,同時檢測后的特征點坐標(biāo)直接決定了圖像之間的空間變換關(guān)系,所以特征檢測大大影響了匹配精度。因此對特征檢測算法進行研究具有重大意義。

    文獻[4]提出了經(jīng)典的尺度不變特征轉(zhuǎn)換(scale invariant feature transform,SIFT)檢測子,并于2004年對該算子進行了進一步完善。該算子在高斯差分(difference of Gaussians,DoG)空間內(nèi)檢測極值點,并剔除對比度低的點及邊緣響應(yīng),該算法具有尺度與旋轉(zhuǎn)不變性,同時對視點、模糊、照度與JPEG壓縮等變換魯棒性強,但實時性不高。文獻[5]改進了SIFT,提出了快速魯棒性特征(speeded up robust features,SURF)檢測子。該算子使用不同尺寸快速海森矩陣檢測關(guān)鍵點,然后通過小波扇形環(huán)繞使該算子具有旋轉(zhuǎn)不變性,使得檢測速度大幅提升,但對模糊、照度與JPEG壓縮等變換敏感。文獻[6-7]改良了二進制魯棒性獨立基本特征(binary robust independent elementary features,BRIEF)檢測子,并提出了二進制魯棒性尺度不變的特征(binary robust invariant scalable keypoints,BRISK)檢測子。該算子在近似尺度空間中利用基于加速段檢驗的自適應(yīng)通用角點檢測子(adaptive and generic corner detection based on the accelerated segment test,AGAST)檢測特征點[8],同時利用長距離迭代法為特征點賦予方向,使其不僅具有視點、模糊、照度、JPEG壓縮、旋轉(zhuǎn)與尺度等不變性,而且完全滿足實時性要求,但與SIFT、SURF等檢測子相比,各方面魯棒性較弱。文獻[9]提出一種非線性特征檢測的風(fēng)式特征(KAZE)檢測子。傳統(tǒng)基于線性高斯金字塔進行多尺度檢測的算法都是以犧牲局部精度為代價,來提取特征點同時消除噪聲,這容易造成邊界模糊和細(xì)節(jié)丟失,使匹配穩(wěn)定性差與誤匹配點多,非線性尺度分解有望解決此類問題[10]。KAZE檢測子是基于SURF而改進設(shè)計的,采用任意步長來構(gòu)造穩(wěn)定的非線性尺度空間,使其對于各種變換比SIFT更為穩(wěn)健,但速度大幅下降。

    歸結(jié)起來,傳統(tǒng)特征匹配算子存在問題有:高斯尺度空間無法同時消除噪聲并保持圖像細(xì)節(jié);DoG或快速海森矩陣等的檢測速度無法滿足實時性需求;尺度空間組數(shù)與層數(shù)的選取無法滿足不同圖像處理;去除邊緣響應(yīng)的算法實時性不高。所以欲改善特征檢測算子的魯棒性與實時性,重點是解決尺度空間的構(gòu)建及組數(shù)與層數(shù)自適應(yīng)設(shè)定、檢測算子的選用以及去除邊緣響應(yīng)算法速度的提高等問題。

    1 算子概述

    本文提出了一種快速穩(wěn)健的自適應(yīng)非線性尺度特征檢測子(fast robust adaptive nonlinear scale feature detector,FRANSFD),其構(gòu)成如圖1所示。

    圖1 FRANSFD算子示意圖Fig.1 Diagram of the proposed algorithm

    (1)通過非線性尺度空間快速求解去除噪聲,同時保證邊緣。

    (2)通過自適應(yīng)選取尺度空間組數(shù)來滿足不同圖像的檢測。

    (3)通過AGAST提高檢測的速度與魯棒性。

    (4)通過框狀拉普拉斯濾波器提高邊緣響應(yīng)去除的速度與準(zhǔn)確性。

    (5)通過亞像素級矯正與小波扇形環(huán)繞對特征點定位定向,以保證檢測子于尺度空間中定位的準(zhǔn)確性與旋轉(zhuǎn)不變性。

    2 FRANSFD特征檢測子

    2.1非線性尺度空間的快速求解

    傳統(tǒng)正向歐拉法求解非線性擴散方程時,由于迭代步長太短導(dǎo)致計算復(fù)雜。針對上述問題,本文擬采用快速顯式擴散(fast explicit diffusion,FED)算法[11]求解非線性擴散方程,此方法可以采用任意步長來構(gòu)造穩(wěn)定的非線性尺度空間,并且運算快捷。

    非線性擴散濾波方法可以通過非線性偏微分方程來描述:

    (1)

    (2)

    所選擇的c函數(shù)能夠有效保留邊界信息同時平滑區(qū)域內(nèi)部。對比度因子k能控制擴散程度,邊緣信息保留量與其負(fù)相關(guān),經(jīng)過大量實驗,其值取為圖像的梯度直方圖70%百分位上的值。

    FED算法是通過因數(shù)分解盒子濾波器進行動態(tài)循環(huán)加速,而達到快速求解非線性系統(tǒng)的目的,其本質(zhì)思想是從因數(shù)分解盒子濾波器得到不同步長τj來執(zhí)行顯式擴散步驟,τj按式(3)求得,式(4)為該非線性偏微分方程的解:

    (3)

    (4)

    式中,I表示單位矩陣;Al為傳導(dǎo)運算符;n表示顯性擴散步數(shù);τj表示對應(yīng)步長;τmax表示滿足條件的最大步長。

    2.2尺度空間組數(shù)的自適應(yīng)選取

    為了進一步提高對不同圖像檢測的準(zhǔn)確度并且提高效率,本文提出了適應(yīng)選取尺度空間組數(shù)的方法,其原理如下。

    構(gòu)造尺度空間時,尺度級別按對數(shù)遞增,尺度參數(shù)σi為

    (5)

    式中,o表示組;s表示層;σ0表示尺度參數(shù)的初始值;O為總組數(shù);S為總層數(shù);N=O×S為尺度空間包含的圖像總數(shù)。

    過大的O與S會導(dǎo)致構(gòu)造線性尺度空間耗時較長,過少的O與S會導(dǎo)致匹配率下降。經(jīng)過大量實驗,將S定為經(jīng)驗值4,然后根據(jù)圖像尺寸來自適應(yīng)選取O,公式為

    (6)

    式中,c與r分別表示圖像的行數(shù)與列數(shù);[]表示取整(四舍五入)。

    最后根據(jù)尺度參數(shù)σi按式(7)求出進化時間ti,按照式(1)~式(4)求得相應(yīng)尺度圖像:

    (7)

    構(gòu)建非線性尺度空間的流程為:首先對輸入圖像進行高斯濾波,然后為得到對比度參數(shù)k求出梯度直方圖,最后由一組進化時間求解隱式差分方程即可得到非線性尺度空間的所有圖像。圖2為高斯與非線性尺度空間效果對比。

    圖2 尺度空間對比圖Fig.2 Comparison between scale spaces

    2.3AGAST算子檢測

    AGAST改進了基于加速段測試的特征(features from accelerated segment test,FAST)檢測子[12],進一步提高了檢測效率,與KAZE的海森矩陣檢測法相對比,該算法大大提高了速度,同時保證了效果[8]。其本質(zhì)是有足夠多的像素點,其灰度值小于或大于周圍鄰域內(nèi)待檢測點,則該點被

    認(rèn)定為特征點。模板是以待檢測點為圓心,半徑為3個像素的Bresenham圓。經(jīng)Rosten測試,閾值定為9的檢測穩(wěn)定性與速度綜合性能最優(yōu),此閾值可以很快排除偽角點。

    然后將AGAST9-16(圓周上共有16個像素,閾值為9)算子應(yīng)用于非線性尺度空間每一層,并記錄下候選點所在非線性尺度空間位置(o與s),求出候選點及其AGAST分?jǐn)?shù)V。

    2.4邊緣響應(yīng)的去除

    比較候選點與相鄰的上下尺度層中的9×2個點以及同尺度的8個相鄰點的AGAST分?jǐn)?shù)V,若所有相鄰點的分?jǐn)?shù)均小于該點,則保留該點。這種方法檢查效率極高,因為大部分候選點在開始幾次檢測中就被剔除了。

    經(jīng)過上述步驟,不穩(wěn)定點和局部極值點均已排除,但仍存在一些邊緣點,這對特征點的選取影響極大。本文選用拉普拉斯剔除法來去除邊緣響應(yīng),通過對應(yīng)尺度的5×5框狀拉普拉斯濾波器對候選點進行處理,如果鄰域內(nèi)各像素點灰度的拉普拉斯值不為0,則保留該點。這種方法比SIFT計算海森矩陣的跡與行列式[4]更快,且準(zhǔn)確度更高。

    然后經(jīng)過亞像素級矯正[13]步驟完成特征點的定位。最后為使特征點檢測子具有旋轉(zhuǎn)不變性,通過小波扇形環(huán)繞[5]賦予每一個特征點方向特征。

    3 實驗設(shè)置

    3.1實驗平臺參數(shù)

    筆記本計算機配置:處理器為Intel酷睿雙核i7第4代,主頻為2.5 GHz。操作系統(tǒng)為Win10 64位系統(tǒng),編程環(huán)境為Visual Studio 2010 與OpenCV2.41 (KAZE是由OpenCV3.10中提取加載的)。

    3.2數(shù)據(jù)集

    為體現(xiàn)檢測子所產(chǎn)生的不同效果,同時保證實驗的客觀性,本實驗采用Mikolajczyk 05標(biāo)準(zhǔn)測試圖集[14](http://www.robots.ox.ac.uk/~vgg/research/affine/),如圖3所示。

    圖3 測試所用圖片集Fig.3 Datasets used for evaluation

    從圖3中可以看出,該數(shù)據(jù)集分為8個數(shù)據(jù)子集(含圖像間的單應(yīng)矩陣),包括5種變換:視點變換、模糊變換、照度變換、JPEG壓縮,以及尺度變換和旋轉(zhuǎn)變換,其中:Bark (765像素×512像素)為尺度和旋轉(zhuǎn)變換,Bikes (1 000像素×700像素)為模糊變換,Boat (800像素×640像素)為尺度和旋轉(zhuǎn)變換,Graf (800像素×640像素)為視點變換,Leuven (921像素×614像素)為照度變化,Trees (1 000像素×700像素為模糊變換,Ubc (800像素×640像素)為JPEG壓縮,Wall (1 000像素×700像素)為視點變換。

    3.3實驗對象及OpenCV相關(guān)參數(shù)設(shè)置

    BRISK檢測子:閾值:30,組數(shù):4。

    SIFT檢測子:組數(shù):4,層數(shù):4,對比閾值:0.04,邊緣閾值:10,σ=1.6。

    SURF檢測子:快速海森:0.6,組數(shù):4,層數(shù):4,主方向不固定。

    KAZE:檢測子:組數(shù):4,層數(shù):4,擴散系數(shù):G2,閾值:0.001,主方向不固定。描述子:128維M-SURF。

    3.4實驗過程和評估準(zhǔn)則

    通過測定檢測子的復(fù)現(xiàn)率[14](區(qū)域重疊錯誤率低于40%),運行時間以及遙感影像間的正確匹配率[15]來評判配準(zhǔn)算法性能。

    (1)復(fù)現(xiàn)率為兩幅圖像上檢測出來的一致點對數(shù)量占總觀測點數(shù)的百分比,定義式如下:

    (8)

    式中,di為基準(zhǔn)圖像中檢測到的點數(shù);dj為待處理圖像中檢測到的點數(shù);Dij為同名點數(shù)。

    (2)正確匹配率為兩幅圖像上正確匹配數(shù)量占總匹配數(shù)量的百分比,定義式為

    Correct matches rate=

    (9)

    式中,# correct matches為正確匹配數(shù);# false matches為錯誤匹配數(shù);# correct matches +# false matches為總匹配數(shù)。

    4 實驗結(jié)果與分析

    4.1FRANSFD檢測子的性能

    如圖4所示,衡量FRANSFD檢測子的實驗結(jié)果分析如下:

    (1)雖然BRISK中有關(guān)尺度空間的構(gòu)建和方向的確定等都是近似估計的運算,5種變換魯棒性最弱,但尺度與視點變換較AGAST均有提升,驗證了將AGAST引入尺度空間檢測的合理性。

    (2)SURF與SIFT的旋轉(zhuǎn)變換的對比說明,小波扇形環(huán)繞特征方向確定法要優(yōu)于梯度直方圖統(tǒng)計法,所以FRANSFD使用小波扇形環(huán)繞法確定特征方向。

    (3)KAZE與SURF的檢測結(jié)構(gòu)相似,且確定特征點主方向的方法相同,僅尺度空間的構(gòu)建不同,所以二者對比說明,各種變換非線性尺度空間較線性尺度空間魯棒性均有明顯提升。這正是將非線性濾波器引入FRANSFD的重要原因。

    (4)由于FRANSFD非線性尺度空間構(gòu)建與AGAST配合時性能比較優(yōu)良,同時通過框狀拉普拉斯濾波器去除了邊緣響應(yīng),所以照度、模糊、視點與JPEG壓縮變換的魯棒性最高。

    (5)由于FRANSFD自適應(yīng)選取尺度空間組數(shù),所以尺度變換的魯棒性最高。

    (6)由于FRANSFD與KAZE確定主方向方法一致,所以旋轉(zhuǎn)變換魯棒性相同。

    綜上所述,FRANSFD檢測子在視點、模糊、照度、JPEG壓縮、旋轉(zhuǎn)與尺度的變換下,均具有良好的魯棒性,綜合性能較KAZE提高約5.76%。

    圖4 不同變換條件下的復(fù)現(xiàn)率比較Fig.4 Repeatability comparison under different transformations

    4.2時間測試

    這一節(jié)將對特征檢測子的運行時間進行測試分析。利用SIFT、SURF、KAZE、BRISK與FRANSFD算法,分別對Graf圖像序列中的第一、二張圖像(圖像大小:800像素×640像素)進行實驗(次數(shù)超過100次),取均值后對比分析FRANSFD的速度特點與優(yōu)勢。

    表1展現(xiàn)了FRANSFD的速度優(yōu)勢:由于FRANSFD中引入FED算法,加速了尺度空間的構(gòu)建、引入AGAST算法與框狀拉普拉斯濾波器加速了特征點的檢測,所以執(zhí)行速度大大領(lǐng)先于KAZE與SIFT,但非線性尺度空間構(gòu)建計算量遠(yuǎn)大于SURF的不同尺寸框狀濾波器的計算量,所以平均每點速度遠(yuǎn)低于SURF,與BRISK接近。尺度空間的簡化與AGAST的引入共同形成了BRISK的速度優(yōu)勢,說明了AGAST用于提高檢測速度的合理性。

    表1 算法耗時比較

    綜上所述,FRANSFD平均每點的檢測速度較KAZE提高47%,較SIFT提高40%,約為SURF的33%,BRISK的31%,并且是OpenCV在實現(xiàn)方面對SIFT、SURF、KAZE、BRISK進行優(yōu)化加速的結(jié)果。隨著基于OpenMP與OpenCL的并行實現(xiàn)、代碼優(yōu)化與GPU的硬件加速,FRANSFD速度將進一步提高。

    4.3基于FRANSFD的遙感影像匹配測試

    基于FRANSFD進行遙感影像的匹配測試,同時也為FRANSFD的工程實踐提供一種思路。匹配算法流程如圖5所示,首先利用沃利斯(Wallis)濾波器與灰度均勻化減弱噪聲與光照的影響,其次進行特征檢測與描述,再次利用暴力匹配方法與雙向匹配結(jié)合的匹配方法提高搜索效率,最后利用漸進采樣一致性算法(progressive sample consensus,PROSAC)[16]去除外點完成匹配。

    圖5 算法示意圖Fig.5 Diagram of the proposed algorithm

    經(jīng)測試,相比于SIFT、SURF、KAZE與BRISK描述子,128維KAZE描述子描述子魯棒性最高,極適用于差異較大的非同源遙感影像匹配[9],而KAZE檢測子與其他描述子配合使用時,總會出現(xiàn)旋轉(zhuǎn)不變性缺失或其他問題,所以本實驗特征描述選用128維KAZE描述子。但OpenCV中的KAZE描述子需要檢測子提供尺度空間位置參數(shù)(進化級別),所以實現(xiàn)時需修改該部分代碼,使其能夠適用于其他檢測子。

    本實驗利用六旋翼無人機作為實驗平臺對河北省石家莊市行唐縣地區(qū)進行了實驗,同時與SIFT、SURF、KAZE以及BRISK檢測子進行了對比。實驗主要技術(shù)參數(shù)如表2所示,航攝影像、谷歌衛(wèi)星影像拍攝時間約相差約6個月,圖像分辨率約相差30%,光照條件相差極大,部分影像旋轉(zhuǎn)角度超過180°,視點變化較大、均有運動模糊、噪聲影響。對其中4條航帶進行實驗,通過正確匹配率來評判配準(zhǔn)效果。

    表2 實驗影像主要技術(shù)參數(shù)

    如圖6所示,圖6(a)中彩線為同名點連線,圖6(b)中較亮矩形區(qū)域為航攝影像透視變換結(jié)果,圖6(c)為40張航片與對應(yīng)區(qū)域谷歌衛(wèi)星影像的正確匹配率曲線,將實驗結(jié)果分析如下:

    (1)由于簡化近似的檢測結(jié)構(gòu),BRISK并不適用于此類照度與模糊程度,特別是旋轉(zhuǎn)角度相差較大的非同源遙感圖像匹配,其平均正確匹配率較低,為22.47%,但速度極快。

    (2)KAZE的平均正確匹配率較高,為26.80%,且較為穩(wěn)定,特別是針對視點、旋轉(zhuǎn)與尺度變換部分表現(xiàn)出較好的魯棒性,這得益于非線性尺度空間的構(gòu)建,但實時性不高。

    (3)SIFT的平均正確匹配率為37.01%,雖然整體上遜色于KAZE與SURF,但在照度與模糊變化大時,表現(xiàn)了較好的旋轉(zhuǎn)魯棒性,這得益于去除邊緣響應(yīng)與梯度直方圖統(tǒng)計法的照度魯棒性高,但同樣實時性不高。

    (4)SURF適用于非同源遙感圖像的匹配,平均正確匹配率介于SIFT和KAZE之間,為33.33%,且速度大幅度提升,完全滿足實時性的需求,但對于模糊與照度變換較為敏感。

    (5)FRANSFD的平均正確匹配率為40.09%,且穩(wěn)定性與速度均高于KAZE,這是因為FRANSFD構(gòu)建了非線性尺度空間,然后用AGAST進行檢測,最后通過框狀拉普拉斯濾波器剔除了邊緣響應(yīng),增強了尺度、模糊與視點變換的魯棒性,所以匹配效果較好,且速度較快。

    FRANSFD在圖像及視頻檢索、目標(biāo)識別、紋理識別、數(shù)據(jù)挖掘、飛行器導(dǎo)航和寬基線匹配等多個領(lǐng)域,具有廣闊的應(yīng)用前景。同時,FRANSFD在實時性要求較高的應(yīng)用領(lǐng)域具有巨大潛力。

    圖6 配準(zhǔn)結(jié)果Fig.6 Registration result

    5 結(jié)束語

    本文提出一種FRANSFD檢測子,并通過實驗驗證了算法的可行性與優(yōu)勢,主要做了如下工作:

    (1)針對目前特征匹配檢測子魯棒性與實時性問題,分析了該問題解決的核心所在,理清了檢測子的研究思路。

    (2)通過綜合分析里程碑式特征匹配檢測子的發(fā)展歷程與優(yōu)缺點,根據(jù)存在的實際問題,提出了FRANSFD檢測子。并對其設(shè)計進行了詳盡的理論分析與實驗驗證,通過與當(dāng)前使用廣泛的SIFT、SURF、KAZE與BRISK檢測子對比,定量表現(xiàn)了本文算法在解決特征檢測,特別是尺度、視角、光照變化較大及速度等問題上存在很大優(yōu)勢。

    (3)本實驗通過六旋翼無人機為平臺對河北省石家莊市行唐縣地區(qū)進行了實驗與分析,實驗結(jié)果有效證明了本方法的特點與優(yōu)勢,為工程實踐提供了指導(dǎo)幫助,同時也指明了本算法的發(fā)展前景。

    [1] Fan M M.Resarch of multi-source image matching technology[D].Qinhuangdao:Yanshan University,2011.(樊曼曼.多源衛(wèi)星遙感影像配準(zhǔn)技術(shù)研究[D].秦皇島:燕山大學(xué),2011.)

    [2] Song F,Li Y,Chen Y.Match methods for multisensor remote sensing image registration[J].Laser Journal,2008,29(3):26-27.(宋芳,李勇,陳勇.多源遙感圖像中的圖像配準(zhǔn)方法[J].激光雜志,2008,29(3):26-27.)

    [3] Zhu Y L.Feature aided target maneuver detection technology[D].Changsha:National University of Defense Technology,2008.(廖斌.基于特征點的圖像配準(zhǔn)技術(shù)研究[D].長沙:國防科學(xué)技術(shù)大學(xué),2008.)

    [4] Lowe D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,60(2):91-110.

    [5] Bay H,Tuytelaars T,Van G L.SURF:speeded up robust features[C]//Proc.of the 9th European Conference on Computer,2006:404-417.

    [6] Calonder M,Lepetit V,Strecha C,et al.Brief:binary robust independent elementary features[C]//Proc.of the 11th European Conference on Computer Vision,2010:778-792.

    [7] Leutenegger S,Chli M,Siegwart R Y.BRISK:binary robust invariant scalable keypoints[C]//Proc.of the IEEE International Conference on Computer Vision,2011:2548-2555.

    [8] Mair E,Hager G D,Burschka D,et al.Adaptive and generic corner detection based on the accelerated segment test[C]//Proc.of the 11th European Conference on Computer Vision,2010:183-196.

    [9] Pablo F,Adrien B,Andrew J.KAZE features[C]//Proc.of the 12th European Conference on Computer Vision,2012:214-227.

    [10] Li P,Wu W B,Wang Z W,Muti-source remote sensing images matching based on nonlinear scale space[J].Science of Surveying and Mapping,2015,40(7):41-44.(李鵬,武文波,王宗偉.基于非線性尺度空間的多源遙感影像匹配[J].測繪科學(xué),2015,40(7):41-44.)

    [11] Pablo F,Jesus N,Adrien B.Fast explicit diffusion for accelerated features in nonlinear scale spaces[C]//Proc.of British Machine Vision Conference,2013:2157-2163.

    [12] Edward R,Tom D.Machine learning for high-speed corner detection[C]//Proc.of the 9th European Conference on Computer Vision,2006:430-443.

    [13] Hu B.Study of feature matching algorithm based on color invariant[D].Shenyang:Liaoning University,2014.(胡波.基于顏色不變量的特征匹配算法研究[D].沈陽:遼寧大學(xué),2014.)

    [14] Mikolajczyk K,Tuytelaars T,Schmid C,et al.A comparison of affine region detectors[J].International Journal of Computer Vision,2005,65(1/2):43-72.

    [15] Winder S A J,Brown M.Learning local image descriptors[C]//Proc.of the IEEE Conference on Computer Vision and Pattern Recognition,2007:1-8.

    [16] Chum O,Matas J.Matching with PROSAC-progressive sample consensus[C]//Proc.of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2005:220-226.

    Fast robust adaptive nonlinear scale feature detector

    ZHANG Yan,LI Jian-zeng,LI De-liang,DU Yu-long

    (UAV Engineering Department,Ordnance Engineering College,Shijiazhuang 050003,China)

    A fast robust adaptive nonlinear scale feature detector (FRANSFD)is proposed.Noise is wiped off and edge response is guaranteed through the fast solving of the nonlinear scale space.Adaptive selection of the number of scale space and the adaptive and generic corner detection based on the accelerated segment test (AGAST),combined with frame Laplace filter via removing edge response take account of the detection accuracy and real-time performance.Compared with to feature detectors of scale invariant feature transform (SIFT),speeded up robust features (SURF),KAZE,and binary robust invariant scalable keypoints (BRISK)experiments,the FRANSFD reveals stronger robustness with five kinds of changes,and its registration speed is faster.Compared with KAZE,comprehensive robustness is increased about 5.76%,and the speed is increased about 47%.

    feature matching; fast robust adaptive nonlinear scale feature detector (FRANSFD); KAZE; adaptive and generic corner detection based on the accelerated segment test (AGAST)

    2016-02-25;

    2016-06-07;網(wǎng)絡(luò)優(yōu)先出版日期:2016-08-25。

    國家自然科學(xué)基金(51307183)資助課題

    TP 391.41

    ADOI:10.3969/j.issn.1001-506X.2016.11.32

    張巖(1991-),男,博士研究生,主要研究方向為計算機視覺與無人機信息處理技術(shù)。

    E-mail:hillwind@126.com

    李建增(1966-),男,碩士研究生導(dǎo)師,碩士,主要研究方向為無人機圖像信息處理技術(shù)。

    E-mail:ljz681@sohu.com

    李德良(1978-),男,講師,博士,主要研究方向為無人機圖像信息處理技術(shù)。

    E-mail:271395592@qq.com

    杜玉龍(1992-),男,碩士研究生,主要研究方向為無人機圖像信息處理技術(shù)。

    E-mail:1159316475@qq.com

    網(wǎng)絡(luò)優(yōu)先出版地址:http://www.cnki.net/kcms/detail/11.2422.TN.20160825.1441.006.html

    猜你喜歡
    尺度空間魯棒性算子
    擬微分算子在Hp(ω)上的有界性
    基于AHP的大尺度空間域礦山地質(zhì)環(huán)境評價研究
    各向異性次Laplace算子和擬p-次Laplace算子的Picone恒等式及其應(yīng)用
    荒漠綠洲區(qū)潛在生態(tài)網(wǎng)絡(luò)增邊優(yōu)化魯棒性分析
    基于確定性指標(biāo)的弦支結(jié)構(gòu)魯棒性評價
    一類Markov模算子半群與相應(yīng)的算子值Dirichlet型刻畫
    居住區(qū)園林空間尺度研究
    魅力中國(2016年42期)2017-07-05 21:16:42
    Roper-Suffridge延拓算子與Loewner鏈
    基于非支配解集的多模式裝備項目群調(diào)度魯棒性優(yōu)化
    西南交通大學(xué)學(xué)報(2016年6期)2016-05-04 04:13:11
    欧美日韩成人在线一区二区| 成人亚洲精品一区在线观看| 国产精品一二三区在线看| 美女xxoo啪啪120秒动态图| 国产一区二区三区av在线| 久久久欧美国产精品| 免费黄频网站在线观看国产| 香蕉精品网在线| 韩国高清视频一区二区三区| 午夜免费观看性视频| 亚洲精品日本国产第一区| 久久97久久精品| 国产精品一区二区在线不卡| 日本猛色少妇xxxxx猛交久久| 亚洲伊人久久精品综合| 日本av免费视频播放| 亚洲精品自拍成人| 寂寞人妻少妇视频99o| 国产av码专区亚洲av| 人人妻人人澡人人爽人人夜夜| 国产精品国产av在线观看| 男女无遮挡免费网站观看| 国产野战对白在线观看| 国产日韩欧美亚洲二区| 亚洲美女搞黄在线观看| 成年av动漫网址| 亚洲精品中文字幕在线视频| 人妻少妇偷人精品九色| 亚洲欧美一区二区三区久久| 久久97久久精品| 大片免费播放器 马上看| 天天躁日日躁夜夜躁夜夜| 美女xxoo啪啪120秒动态图| 国产成人精品无人区| 侵犯人妻中文字幕一二三四区| 老司机亚洲免费影院| 在现免费观看毛片| 亚洲一区中文字幕在线| 电影成人av| 欧美日韩一区二区视频在线观看视频在线| 99re6热这里在线精品视频| kizo精华| 赤兔流量卡办理| 精品一品国产午夜福利视频| 日日啪夜夜爽| 啦啦啦啦在线视频资源| 精品国产乱码久久久久久小说| 视频在线观看一区二区三区| 两性夫妻黄色片| 男女边摸边吃奶| 男女下面插进去视频免费观看| 久久人妻熟女aⅴ| 日韩,欧美,国产一区二区三区| 考比视频在线观看| 80岁老熟妇乱子伦牲交| 国产又色又爽无遮挡免| 欧美黄色片欧美黄色片| 少妇被粗大的猛进出69影院| 免费看av在线观看网站| 婷婷色av中文字幕| 在线亚洲精品国产二区图片欧美| 91精品国产国语对白视频| 久久午夜综合久久蜜桃| 日本色播在线视频| 国产熟女午夜一区二区三区| 最黄视频免费看| 精品国产一区二区久久| 亚洲成国产人片在线观看| 美女国产视频在线观看| 精品久久久久久电影网| 亚洲欧美成人综合另类久久久| 欧美bdsm另类| 美女主播在线视频| 日韩伦理黄色片| 久久久久久伊人网av| 日本vs欧美在线观看视频| 18禁裸乳无遮挡动漫免费视频| 国产成人免费观看mmmm| 国产男人的电影天堂91| 伦理电影免费视频| www.熟女人妻精品国产| 青青草视频在线视频观看| 天美传媒精品一区二区| av卡一久久| 亚洲国产最新在线播放| 亚洲四区av| 最近2019中文字幕mv第一页| 亚洲精品在线美女| 久久人人97超碰香蕉20202| 波多野结衣av一区二区av| 成年动漫av网址| 尾随美女入室| 日韩熟女老妇一区二区性免费视频| 看十八女毛片水多多多| 女性生殖器流出的白浆| 在线天堂最新版资源| 国产成人精品久久久久久| 亚洲精品自拍成人| 久久精品国产自在天天线| 18禁裸乳无遮挡动漫免费视频| 久久久精品94久久精品| 美女xxoo啪啪120秒动态图| av在线播放精品| av电影中文网址| 在现免费观看毛片| 午夜激情av网站| 一区二区三区激情视频| 999久久久国产精品视频| 天天躁狠狠躁夜夜躁狠狠躁| 男人添女人高潮全过程视频| 18+在线观看网站| 久久精品国产亚洲av涩爱| 国产男女超爽视频在线观看| 久久人妻熟女aⅴ| 最新的欧美精品一区二区| 亚洲国产av新网站| 久久这里只有精品19| av网站免费在线观看视频| 国产在视频线精品| 免费久久久久久久精品成人欧美视频| freevideosex欧美| 黄色配什么色好看| 伊人久久国产一区二区| 春色校园在线视频观看| 夫妻午夜视频| 欧美人与性动交α欧美精品济南到 | 黄频高清免费视频| 美女视频免费永久观看网站| 一级a爱视频在线免费观看| 日韩制服丝袜自拍偷拍| 巨乳人妻的诱惑在线观看| 天堂俺去俺来也www色官网| 国产精品一二三区在线看| 亚洲欧美中文字幕日韩二区| 春色校园在线视频观看| 少妇猛男粗大的猛烈进出视频| 美国免费a级毛片| 亚洲精品国产av成人精品| 国产日韩欧美视频二区| 国产一区二区 视频在线| 又黄又粗又硬又大视频| 久久久久国产精品人妻一区二区| 国产精品蜜桃在线观看| 日日啪夜夜爽| av视频免费观看在线观看| 国产一区二区激情短视频 | 99re6热这里在线精品视频| 免费大片黄手机在线观看| 久久人人爽人人片av| 性少妇av在线| 日韩一卡2卡3卡4卡2021年| 大片电影免费在线观看免费| 亚洲情色 制服丝袜| 亚洲av免费高清在线观看| 久久久久久久大尺度免费视频| 久久人人爽av亚洲精品天堂| 9191精品国产免费久久| 免费在线观看视频国产中文字幕亚洲 | 日日撸夜夜添| 18禁观看日本| 久久久久久久亚洲中文字幕| 国产欧美亚洲国产| 2022亚洲国产成人精品| 午夜福利在线免费观看网站| a级片在线免费高清观看视频| 久久久久久久亚洲中文字幕| 九色亚洲精品在线播放| 美女视频免费永久观看网站| 一个人免费看片子| 亚洲国产精品999| 香蕉丝袜av| 69精品国产乱码久久久| 久久久久久伊人网av| 成人漫画全彩无遮挡| 亚洲欧美清纯卡通| 久久久精品区二区三区| 青春草视频在线免费观看| av有码第一页| 久久99蜜桃精品久久| 极品人妻少妇av视频| 国产日韩一区二区三区精品不卡| 韩国av在线不卡| 久久久a久久爽久久v久久| 国产午夜精品一二区理论片| 日韩熟女老妇一区二区性免费视频| 国产女主播在线喷水免费视频网站| 少妇人妻 视频| 精品人妻熟女毛片av久久网站| 男人舔女人的私密视频| 国产精品国产三级专区第一集| 国产野战对白在线观看| 国产片内射在线| 午夜免费观看性视频| 一区福利在线观看| 亚洲精品久久成人aⅴ小说| 看免费成人av毛片| 电影成人av| 亚洲av.av天堂| 日本av手机在线免费观看| 美国免费a级毛片| 女人精品久久久久毛片| av天堂久久9| 亚洲综合精品二区| 成人二区视频| 亚洲精品久久成人aⅴ小说| 性高湖久久久久久久久免费观看| 母亲3免费完整高清在线观看 | 国产成人精品婷婷| 亚洲色图综合在线观看| 午夜激情av网站| 久久久久久久亚洲中文字幕| 成人免费观看视频高清| 久久久亚洲精品成人影院| 搡女人真爽免费视频火全软件| 青春草亚洲视频在线观看| 我要看黄色一级片免费的| 乱人伦中国视频| 99国产精品免费福利视频| 国产女主播在线喷水免费视频网站| 国产成人91sexporn| 青春草亚洲视频在线观看| 日本欧美国产在线视频| 丝袜在线中文字幕| 蜜桃在线观看..| 男女免费视频国产| 成人国产麻豆网| 综合色丁香网| 久久久久网色| 999久久久国产精品视频| 两个人免费观看高清视频| 欧美激情高清一区二区三区 | 久久免费观看电影| a级片在线免费高清观看视频| 人体艺术视频欧美日本| 制服诱惑二区| 国产视频首页在线观看| 热99国产精品久久久久久7| 国产乱人偷精品视频| 精品酒店卫生间| 边亲边吃奶的免费视频| 精品久久久久久电影网| 日韩成人av中文字幕在线观看| 春色校园在线视频观看| 成年av动漫网址| 亚洲久久久国产精品| 男女边摸边吃奶| 久久久久国产一级毛片高清牌| 男女高潮啪啪啪动态图| 高清欧美精品videossex| 亚洲精品成人av观看孕妇| 免费看av在线观看网站| 国产又色又爽无遮挡免| 久久免费观看电影| 精品午夜福利在线看| 麻豆乱淫一区二区| 国产又爽黄色视频| 成人免费观看视频高清| 丝袜人妻中文字幕| av网站在线播放免费| 国产亚洲av片在线观看秒播厂| 国产毛片在线视频| 欧美精品一区二区大全| 亚洲av福利一区| 国产精品嫩草影院av在线观看| 欧美在线黄色| 人体艺术视频欧美日本| 性少妇av在线| 大片免费播放器 马上看| 如何舔出高潮| 十八禁网站网址无遮挡| 亚洲一区二区三区欧美精品| av网站在线播放免费| 国产片特级美女逼逼视频| 欧美在线黄色| 免费观看在线日韩| 少妇的丰满在线观看| 婷婷色综合www| 高清不卡的av网站| 最近的中文字幕免费完整| 国产色婷婷99| 亚洲av日韩在线播放| 欧美精品国产亚洲| 中文乱码字字幕精品一区二区三区| 国产精品麻豆人妻色哟哟久久| 久久久久久久久久人人人人人人| 最黄视频免费看| 久久久久久久久免费视频了| 妹子高潮喷水视频| 人妻一区二区av| 一区二区三区精品91| 中国国产av一级| 国产日韩欧美视频二区| 午夜福利,免费看| 国产黄频视频在线观看| 综合色丁香网| 免费黄色在线免费观看| av视频免费观看在线观看| 永久免费av网站大全| 久久久久久伊人网av| 日本欧美国产在线视频| 狠狠精品人妻久久久久久综合| 国产精品久久久久久久久免| 捣出白浆h1v1| 婷婷色综合大香蕉| 久久热在线av| 天堂俺去俺来也www色官网| 熟女av电影| 香蕉国产在线看| av国产精品久久久久影院| 亚洲精品中文字幕在线视频| 日本黄色日本黄色录像| 婷婷色综合大香蕉| 少妇猛男粗大的猛烈进出视频| 亚洲图色成人| 中文字幕人妻丝袜一区二区 | 波野结衣二区三区在线| 国产欧美日韩综合在线一区二区| 国产成人精品婷婷| 下体分泌物呈黄色| 久久精品熟女亚洲av麻豆精品| 制服丝袜香蕉在线| 久久久久视频综合| 2021少妇久久久久久久久久久| 久久国产精品男人的天堂亚洲| 国产成人精品无人区| 亚洲内射少妇av| 97人妻天天添夜夜摸| 日韩视频在线欧美| 尾随美女入室| 这个男人来自地球电影免费观看 | 久久久国产一区二区| 精品久久久精品久久久| 午夜影院在线不卡| 国产高清不卡午夜福利| av在线观看视频网站免费| 观看美女的网站| 18禁观看日本| 亚洲第一区二区三区不卡| 一边亲一边摸免费视频| 国产精品免费视频内射| 黄片小视频在线播放| 日本午夜av视频| 国产免费视频播放在线视频| 日本91视频免费播放| 国产高清不卡午夜福利| 啦啦啦在线观看免费高清www| 国产精品嫩草影院av在线观看| 久久精品熟女亚洲av麻豆精品| 电影成人av| 两个人看的免费小视频| 欧美成人精品欧美一级黄| 老司机影院毛片| 又粗又硬又长又爽又黄的视频| 狂野欧美激情性bbbbbb| 99国产精品免费福利视频| 亚洲精品,欧美精品| 高清不卡的av网站| 91成人精品电影| 久久久久久久久久久久大奶| 精品第一国产精品| 九九爱精品视频在线观看| 黄频高清免费视频| 少妇的丰满在线观看| 下体分泌物呈黄色| 久久av网站| 久久这里只有精品19| 欧美国产精品va在线观看不卡| 亚洲视频免费观看视频| 视频区图区小说| 天天躁日日躁夜夜躁夜夜| 午夜福利一区二区在线看| 亚洲熟女精品中文字幕| 亚洲精品久久午夜乱码| 97在线人人人人妻| 高清黄色对白视频在线免费看| 亚洲情色 制服丝袜| www.自偷自拍.com| 黄频高清免费视频| 美女xxoo啪啪120秒动态图| 伊人久久国产一区二区| 亚洲av欧美aⅴ国产| 黄片播放在线免费| 日日啪夜夜爽| 日韩一本色道免费dvd| 亚洲色图综合在线观看| 涩涩av久久男人的天堂| 精品福利永久在线观看| 国产日韩一区二区三区精品不卡| 男人舔女人的私密视频| 亚洲欧美精品自产自拍| 在线观看国产h片| 成年av动漫网址| 日韩人妻精品一区2区三区| 天美传媒精品一区二区| 激情视频va一区二区三区| 亚洲,欧美,日韩| 十分钟在线观看高清视频www| 麻豆乱淫一区二区| 美女高潮到喷水免费观看| 久久久久国产一级毛片高清牌| 亚洲三区欧美一区| 国产精品av久久久久免费| www.熟女人妻精品国产| 免费黄网站久久成人精品| 成人毛片60女人毛片免费| 天堂8中文在线网| 欧美av亚洲av综合av国产av | 免费女性裸体啪啪无遮挡网站| www.熟女人妻精品国产| www.自偷自拍.com| 久久久亚洲精品成人影院| 久久韩国三级中文字幕| 久久国产精品男人的天堂亚洲| 观看av在线不卡| 亚洲欧美清纯卡通| 考比视频在线观看| 视频区图区小说| 丝袜脚勾引网站| 亚洲,欧美,日韩| 中文字幕色久视频| 亚洲国产欧美日韩在线播放| 免费观看在线日韩| 日韩成人av中文字幕在线观看| 一个人免费看片子| 免费观看a级毛片全部| 老司机亚洲免费影院| 国产在线视频一区二区| 亚洲综合色网址| 国产爽快片一区二区三区| 亚洲精品视频女| 一本大道久久a久久精品| 在线观看一区二区三区激情| 国产精品国产三级专区第一集| 观看美女的网站| 91成人精品电影| 国产精品一国产av| 老司机影院成人| 性高湖久久久久久久久免费观看| 国产片内射在线| 亚洲国产毛片av蜜桃av| av免费观看日本| 三上悠亚av全集在线观看| 人成视频在线观看免费观看| 卡戴珊不雅视频在线播放| 亚洲精品久久成人aⅴ小说| 一区二区日韩欧美中文字幕| 少妇人妻 视频| 97精品久久久久久久久久精品| 中文字幕另类日韩欧美亚洲嫩草| 国产日韩一区二区三区精品不卡| 午夜福利视频在线观看免费| 99香蕉大伊视频| 热99国产精品久久久久久7| 女人久久www免费人成看片| 欧美精品av麻豆av| 久久久a久久爽久久v久久| 欧美日韩视频精品一区| 我要看黄色一级片免费的| 精品人妻熟女毛片av久久网站| 亚洲欧洲日产国产| 国产野战对白在线观看| av免费观看日本| 少妇熟女欧美另类| 久久人妻熟女aⅴ| 最近中文字幕高清免费大全6| 日韩欧美一区视频在线观看| 亚洲国产毛片av蜜桃av| 国产av国产精品国产| 精品一品国产午夜福利视频| 国产精品秋霞免费鲁丝片| 久久久精品区二区三区| 免费观看av网站的网址| 观看美女的网站| 成年动漫av网址| 亚洲国产av新网站| 超碰97精品在线观看| 丝袜美腿诱惑在线| 啦啦啦视频在线资源免费观看| 丝袜喷水一区| 观看av在线不卡| 97人妻天天添夜夜摸| 大陆偷拍与自拍| 国产av国产精品国产| 宅男免费午夜| 亚洲av福利一区| 亚洲国产精品国产精品| 中文欧美无线码| 一级黄片播放器| 在线看a的网站| 一二三四中文在线观看免费高清| kizo精华| 久久久久视频综合| 国产在线一区二区三区精| 久久99精品国语久久久| a级毛片黄视频| 波野结衣二区三区在线| 人人澡人人妻人| 久热这里只有精品99| 中国三级夫妇交换| 国产深夜福利视频在线观看| 街头女战士在线观看网站| 久久久久精品性色| 国产av精品麻豆| 国产av国产精品国产| 欧美黄色片欧美黄色片| 国产一区亚洲一区在线观看| 九色亚洲精品在线播放| 欧美激情 高清一区二区三区| 男女下面插进去视频免费观看| 亚洲精品乱久久久久久| 色婷婷久久久亚洲欧美| 午夜福利乱码中文字幕| 亚洲人成电影观看| 久久青草综合色| 欧美成人午夜免费资源| 熟女电影av网| 亚洲伊人久久精品综合| 婷婷色综合www| 欧美变态另类bdsm刘玥| 亚洲精品,欧美精品| 亚洲情色 制服丝袜| 精品国产超薄肉色丝袜足j| 国产白丝娇喘喷水9色精品| 一级毛片 在线播放| 777久久人妻少妇嫩草av网站| 久久精品aⅴ一区二区三区四区 | 国产一区二区三区综合在线观看| 日韩精品有码人妻一区| 最近手机中文字幕大全| 少妇被粗大的猛进出69影院| 日本午夜av视频| 国产在视频线精品| 国产精品国产av在线观看| 26uuu在线亚洲综合色| 国语对白做爰xxxⅹ性视频网站| 国产淫语在线视频| 亚洲av男天堂| av线在线观看网站| 日本wwww免费看| 国产在线一区二区三区精| 久久这里只有精品19| 久久久久久久国产电影| 婷婷色综合大香蕉| 亚洲精品中文字幕在线视频| 黄片无遮挡物在线观看| 久久精品夜色国产| 1024视频免费在线观看| 一二三四在线观看免费中文在| 电影成人av| 777久久人妻少妇嫩草av网站| 边亲边吃奶的免费视频| a级毛片黄视频| 大话2 男鬼变身卡| 国产精品嫩草影院av在线观看| 男女免费视频国产| 亚洲欧美中文字幕日韩二区| av网站免费在线观看视频| 日本欧美国产在线视频| 制服丝袜香蕉在线| 久久久久网色| 男的添女的下面高潮视频| 亚洲国产色片| 午夜福利在线观看免费完整高清在| 免费在线观看视频国产中文字幕亚洲 | 精品一区在线观看国产| kizo精华| 国产片内射在线| 国产成人午夜福利电影在线观看| 久久久精品94久久精品| 国产不卡av网站在线观看| 青春草亚洲视频在线观看| 久久av网站| 亚洲精品自拍成人| 欧美精品亚洲一区二区| 亚洲激情五月婷婷啪啪| 国产精品国产三级国产专区5o| 这个男人来自地球电影免费观看 | 国产精品99久久99久久久不卡 | 老鸭窝网址在线观看| 久久精品夜色国产| 国产精品国产三级专区第一集| 国产 精品1| 亚洲人成电影观看| 啦啦啦啦在线视频资源| 欧美日韩视频精品一区| 女人被躁到高潮嗷嗷叫费观| 婷婷色综合大香蕉| 黑人巨大精品欧美一区二区蜜桃| 成人国产麻豆网| 久久久a久久爽久久v久久| 国产97色在线日韩免费| 美女午夜性视频免费| 一级毛片电影观看| 80岁老熟妇乱子伦牲交| 国产精品一区二区在线不卡| 在线精品无人区一区二区三| 亚洲 欧美一区二区三区| 90打野战视频偷拍视频| 亚洲综合精品二区| 国产成人精品无人区| 秋霞在线观看毛片| 91aial.com中文字幕在线观看| 三上悠亚av全集在线观看| 亚洲av男天堂| 青春草视频在线免费观看| 国产视频首页在线观看| 捣出白浆h1v1| 嫩草影院入口| 中文字幕另类日韩欧美亚洲嫩草| 亚洲av免费高清在线观看| 伊人亚洲综合成人网| 日韩一区二区三区影片| 69精品国产乱码久久久| 韩国精品一区二区三区| 国产有黄有色有爽视频|