基于局部二进制模式和图变换的快速匹配算法

赵小强; 岳宗达

doi:10.3969/j.issn.0372-2112.2017.09.015

您当前的位置：

首页 >

文章列表页 >

基于局部二进制模式和图变换的快速匹配算法

学术论文 | 更新时间：2025-07-16

- 基于局部二进制模式和图变换的快速匹配算法
- A Fast Matching Algorithm Based on Local Binary Patterns and Graph Transformation
- 电子学报 2017年45卷第9期页码：2156-2161
- 作者机构：
  
  兰州理工大学电气工程与信息工程学院,甘肃,兰州,730050
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.51265032，No.61263003）
- DOI：10.3969/j.issn.0372-2112.2017.09.015
  中图分类号： TG156
- 网络出版：2017-09-25，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
赵小强, 岳宗达. 基于局部二进制模式和图变换的快速匹配算法[J]. 电子学报, 2017,45(9):2156-2161.

ZHAO Xiao-qiang, YUE Zong-da. A Fast Matching Algorithm Based on Local Binary Patterns and Graph Transformation[J]. Acta Electronica Sinica, 2017, 45(9): 2156-2161.
赵小强, 岳宗达. 基于局部二进制模式和图变换的快速匹配算法[J]. 电子学报, 2017,45(9):2156-2161. DOI： 10.3969/j.issn.0372-2112.2017.09.015.

ZHAO Xiao-qiang, YUE Zong-da. A Fast Matching Algorithm Based on Local Binary Patterns and Graph Transformation[J]. Acta Electronica Sinica, 2017, 45(9): 2156-2161. DOI： 10.3969/j.issn.0372-2112.2017.09.015.

摘要

针对图像匹配在图像拼接、目标识别等领域的应用中尺度不变特征变换（Scale Invariant Feature Transform，SIFT）算法计算复杂度高、实时性较差的问题，提出了一种基于局部二进制模式（Local Binary Patterns，LBP）和图变换（Graph Transformation Matching，GTM）的匹配算法.首先采用SIFT特征检测提取特征点并以特征点为中心取1313的图像块作为特征区域；然后用本文提出的局部旋转不变二进制模式（Local Rotation Invariant Binary Patterns，LRIBP）描述子对特征区域进行描述产生29维的特征描述向量，降低了描述子的复杂度，并以欧氏距离为度量准则进行初始匹配；最后采用图变换匹配算法剔除误匹配点，从而提高算法的运算速率和匹配精度.仿真结果表明，本文所提算法不仅具有较高的精度和较强的鲁棒性，并且减少了算法的运算量，提高了算法的实时性.

Abstract

Aiming at problems of large computation and poor real-time of scale invariant feature transform (SIFT) algorithm for image matching application in image matching

object recognition and other fields

a matching algorithm based on local binary patterns (LBP) and graph transformation matching (GTM) is proposed.Firstly

SIFT is used to extract initial feature points.1313 pixel blocks around the feature points are used as the feature regions.Secondly

in order to reduce complexity of descriptors

the local rotation invariant binary patterns (LRIBP) descriptor is used to produce feature vectors of 29 dimensions for a feature region.Euclidean distance is adopted as measure criterion of the descriptors to fulfil initial match.Finally

GTM is adopted to eliminate mismatching points.Simulation results show that the proposed algorithm not only improves accuracy and robustness and real-time

but also reduces the amount of calculation.

关键词

Keywords

references

浏览量

433

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进SuperPoint的空天异源图像匹配算法

基于视觉的无人机定位与导航方法研究综述

利用薄板样条函数实现非刚性图像匹配算法

几何失真景像边缘距离变换匹配的定位精度研究