基于改進(jìn)ORB和AKAZE的圖像匹配算法*

趙柏山 張 楠

（沈陽(yáng)工業(yè)大學(xué)信息科學(xué)與工程學(xué)院 沈陽(yáng) 110870）

1 引言

圖像匹配是指通過(guò)提取圖像中比較顯著的點(diǎn)形成數(shù)據(jù)信息，然后與其他圖像的信息進(jìn)行比對(duì)從而找到兩幅或多幅圖像的相關(guān)性。目前，在各領(lǐng)域中廣泛使用基于互信息的圖像配準(zhǔn)，且出現(xiàn)了較多的優(yōu)化算法［1］。在圖像匹配方法中基于特征點(diǎn)的方法更受歡迎，因其在圖像旋轉(zhuǎn)和光照變化等方面的匹配性能更好?；谔卣鞯挠跋衿ヅ渌惴ㄖ饕翘崛D像的局部不變特征，如點(diǎn)特征、線特征等。其中，基于點(diǎn)特征的影像匹配算法以其穩(wěn)定高效的優(yōu)點(diǎn)而受到研究者的青睞?；邳c(diǎn)特征的影像匹配算法由特征點(diǎn)提取、特征點(diǎn)描述以及特征點(diǎn)匹配三個(gè)步驟組成。

2 AKAZE算法

傳統(tǒng)的特征匹配算法［2～5］，因利用高斯濾波來(lái)消除噪聲，會(huì)導(dǎo)致圖像邊界模糊和細(xì)節(jié)丟失［6］。為了解決這個(gè)問(wèn)題，KAZE算法［7］采用基于非線性尺度空間的方法，即加性算子分裂（AOS）［8］算法來(lái)構(gòu)造尺度空間，在非線性尺度空間完成特征點(diǎn)的檢測(cè)。但該算法實(shí)現(xiàn)復(fù)雜，因此，提出了AKAZE算法［9～11］，該算法在匹配精度和運(yùn)算復(fù)雜度上都較KAZE算法有所優(yōu)化。盡管如此，仍提高得不夠理想。故此提出一種改進(jìn)算法，利用FAST算法的高效提取對(duì)AKAZE算法的特征提取部分進(jìn)行改善，使得算法在匹配速度及一些變換圖像的魯棒性方面［12～13］有進(jìn)一步的提高。通過(guò)實(shí)驗(yàn)結(jié)果表明新算法的配準(zhǔn)效果良好。

3改進(jìn)的AKAZE算法

AKAZE算法雖然利用了二進(jìn)制描述符，但由于特征點(diǎn)檢測(cè)部分是用非線性濾波來(lái)構(gòu)造尺度空間，因此匹配速度較慢。為提高匹配速度，現(xiàn)將ORB特征點(diǎn)檢測(cè)與AKAZE算法的M-LDB描述符相結(jié)合，來(lái)實(shí)現(xiàn)圖像特征匹配。

3.1 特征點(diǎn)檢測(cè)

特征點(diǎn)檢測(cè)部分使用改進(jìn)的FAST算法［14］，即拿一個(gè)點(diǎn)跟它周?chē)狞c(diǎn)比較，如果它和周?chē)蟛糠值狞c(diǎn)都不一樣就可以認(rèn)為它是一個(gè)特征點(diǎn)。

首先定義一個(gè)閾值t，然后計(jì)算周?chē)袼攸c(diǎn)與中心像素點(diǎn)的灰度差的絕對(duì)值，如果16個(gè)像素點(diǎn)中有N個(gè)點(diǎn)的絕對(duì)值大于等于t，則判定該檢測(cè)點(diǎn)為特征點(diǎn)。為加快判定過(guò)程，先計(jì)算序號(hào)為1，5，9，13這4個(gè)像素點(diǎn)，其中至少有3個(gè)滿足條件才進(jìn)一步判斷其它的像素點(diǎn)，否則丟棄P點(diǎn)。判定公式如下：

其中，I表示灰度值，N一般取9或者12。使用FAST算法找到的特征點(diǎn)如圖1。

圖1 FAST算法找到的特征點(diǎn)

為了彌補(bǔ)FAST算法的方向敏感性問(wèn)題，ORB算法采用oFAST算法，即給FAST特征添加上方向信息。特征點(diǎn)方向的確定是在特征點(diǎn)鄰域內(nèi)找到特征點(diǎn)到質(zhì)心的矢量方向以此方向來(lái)定義特征點(diǎn)的方向，鄰域矩的公式可表示為

其中，S表示待測(cè)特征點(diǎn)的鄰域，I表示灰度值。鄰域的質(zhì)心坐標(biāo)可為

其中，m00，m01和m10分別為式（3）中p、q取值為0或1時(shí)的值。此時(shí)，可得到特征點(diǎn)的方向?yàn)?/p>

3.2 特征點(diǎn)描述與匹配

改進(jìn)算法的特征點(diǎn)描述與匹配使用的是AKAZE算法的M-LDB［15］描述法。以任意給出的某圖像為例，M-LDB描述符是根據(jù)特征點(diǎn)主方向，將LDB所劃分的網(wǎng)格單元做相應(yīng)旋轉(zhuǎn)使其旋轉(zhuǎn)到主方向上，然后計(jì)算每個(gè)網(wǎng)格的平均強(qiáng)度和梯度，各公式如下：

式中，m為網(wǎng)格i的總數(shù)，Iavg（i）為各網(wǎng)格單元的平均強(qiáng)度，dx（i）和dy（i）分別為網(wǎng)格i區(qū)域的x和y方向的梯度。然后，LDB分別比較成對(duì)網(wǎng)格單元之間的平均強(qiáng)度和梯度，根據(jù)比較結(jié)果，相應(yīng)地設(shè)為0或者1。其公式如下：

對(duì)M-LDB算子生成的結(jié)果進(jìn)行漢明距離匹配，生成匹配結(jié)果。用RANSAC［16～17］算法對(duì)匹配結(jié)果進(jìn)行篩選，得到準(zhǔn)確率較高的匹配圖像。

4 實(shí)驗(yàn)與分析

4.1 實(shí)驗(yàn)設(shè)計(jì)

對(duì)不同模糊程度圖像（blurbikes）、不同程度的JPEG壓縮圖像（JPEGubc）、不同光照強(qiáng)度圖像（light.Leuven）、不同旋轉(zhuǎn)角度的圖像（viewpoint.graf）分別選取四張圖片組成實(shí)驗(yàn)數(shù)據(jù)，通過(guò)第一張圖片與其后的三張圖片匹配得出匹配結(jié)果，把它們定義為第1～3組，對(duì)比它們的匹配時(shí)間與正確率。其中匹配時(shí)間是通過(guò)取30次匹配時(shí)間的平均值得出的，匹配正確率是取30次匹配正確率的平均值得出的。

實(shí)驗(yàn)中，所用的電腦為Windows7系統(tǒng)，64位的操作系統(tǒng)，并使用Visual Stdio 2017進(jìn)行實(shí)驗(yàn)。

4.2 各變化條件下圖像匹配結(jié)果及分析

不同模糊程度的圖像如圖2所示，將后三幅圖片分別與第一幅圖進(jìn)行匹配，記錄不同算法所用的匹配時(shí)間及正確率。圖2（a）與圖2（d）在改進(jìn)算法下的匹配結(jié)果如圖3。

圖2 不同模糊程度的圖像

圖3 改進(jìn)算法的匹配結(jié)果

不同模糊程度的圖像的匹配時(shí)間與正確率的對(duì)比情況見(jiàn)表1（表中單位為百分比和微秒（ms））。

表1 不同模糊程度圖像匹配時(shí)間與正確率

從表1可以看出，對(duì)于不同模糊程度的圖像在匹配速度方面，本算法比AKAZE算法的匹配速度快了近4倍；在匹配準(zhǔn)確率方面，比ORB算法準(zhǔn)確率高，比AKAZE算法略低。

對(duì)原圖片進(jìn)行不同程度的JPEG壓縮后如圖4所示與原圖像圖4（a）進(jìn)行匹配，改進(jìn)算法的匹配結(jié)果如圖5。匹配時(shí)間與正確率對(duì)比情況見(jiàn)表2。

圖4 不同程度的JPEG壓縮圖像

圖5 改進(jìn)算法的匹配結(jié)果

表2 不同JPEG壓縮圖像的匹配時(shí)間與正確率

從表2可以看出，在不同程度的壓縮圖像在匹配速度方面，本算法比AKAZE的匹配速度平均快了兩倍多；在匹配準(zhǔn)確率方面，本算法比ORB算法和AKAZE算法都要高。

不同光照強(qiáng)度圖像如圖6所示，圖6（a）與圖6（d）在改進(jìn)算法下的匹配結(jié)果如圖7。相應(yīng)的匹配時(shí)間與匹配正確率對(duì)比情況見(jiàn)表3。

圖6 不同光照強(qiáng)度圖像

圖7 改進(jìn)算法的匹配結(jié)果

表3 不同光照強(qiáng)度圖像的匹配時(shí)間與正確率

從表3可以看出，在不同光照強(qiáng)度時(shí)，匹配速度方面，本算法比AKAZE算法快了近五倍；在匹配正確率方面，本算法在光照強(qiáng)度變化較小時(shí)，比ORB算法和AKAZE算法都高，但是在光照較暗時(shí)，正確率還有待提高。

不同旋轉(zhuǎn)角度的圖像如圖8，圖8（a）與圖8（d）在改進(jìn)算法下的匹配結(jié)果如圖9。匹配的時(shí)間與正確率對(duì)比情況見(jiàn)表4。

圖8 不同選轉(zhuǎn)角度圖像

圖9 改進(jìn)算法的匹配結(jié)果

表4 不同旋轉(zhuǎn)角度圖像的匹配時(shí)間與正確率

從表4可以看出，在圖像的旋轉(zhuǎn)角度變化中，在匹配速度方面，本算法比AKAZE算法快了五倍多；在匹配正確率方面，本算法在角度變化較小時(shí)，比ORB算法和AKAZE算法都高，但是在角度變化較大時(shí)，比ORB算法高比，AKAZE算法低，正確率還有待提高。

5 結(jié)語(yǔ)

文中提出的改進(jìn)算法是將ORB算法與AKAZE算法相結(jié)合，采用ORB的FAST角點(diǎn)檢測(cè)，提高了特征點(diǎn)檢測(cè)速度。采用AKAZE的特征點(diǎn)描述部分保留了其魯棒性強(qiáng)的特點(diǎn)，匹配時(shí)使用漢明距離，速度比歐式距離快。由此可見(jiàn)，兩者結(jié)合后，算法的匹配速度比AKAZE算法提高很多。在不同JPEG壓縮的圖像、不同的光照強(qiáng)度圖像匹配中，改進(jìn)后的算法的匹配精度也比ORB算法與AKAZE算法更高。目前還存在著在不同模糊程度、不同旋轉(zhuǎn)角度時(shí)匹配精度較AKAZE算法差的問(wèn)題，對(duì)此如何解決，也將成為后續(xù)研究的重點(diǎn)。