基于分数阶微分的尺度不变特征变换图像匹配算法

doi:10.3724/SP.J.1087.2011.01019

计算机应用 ›› 2011, Vol. 31 ›› Issue (04): 1019-1023.DOI: 10.3724/SP.J.1087.2011.01019

基于分数阶微分的尺度不变特征变换图像匹配算法

张丽敏¹,周尚波¹,²

1. 重庆大学计算机学院，重庆 400030
2. 重庆市计算机网络与通信技术重点实验室，重庆 400030

收稿日期:2010-10-22 修回日期:2010-12-09 发布日期:2011-04-08 出版日期:2011-04-01
通讯作者: 张丽敏
作者简介:张丽敏(1985-)，女，河南新郑人，硕士研究生，主要研究方向：图像处理；
周尚波(1963-)，男，广西宁明人，教授，博士，主要研究方向：混沌及其控制理论、图像处理\信息安全、物理工程计算、计算机仿真。
基金资助:
国家自然科学基金资助项目(60873058);“211工程”三期建设项目(S-10218);中央高校基本科研业务费资助项目(CDJXS10181132)

Feature matching of scale invariant feature transform images based on fractional differential approach

Li-min ZHANG¹,Shang-bo ZHOU¹,²

1. College of Computer, Chongqing University, Chongqing 400030, China
2. Chongqing Key Laboratory of Computer Network and Communication Technology,Chongqing 400030,China

Received:2010-10-22 Revised:2010-12-09 Online:2011-04-08 Published:2011-04-01
Contact: Li-min ZHANG

摘要/Abstract

摘要： 利用分数阶微积分运算处理图像信息，有利于强化和提取图像的纹理细节，使图像得到增强，更有利于对图像特征的提取。为了提高图像匹配的正确性，用基于分数阶微积分图像处理方法，提出了改进的尺度不变特征变换(SIFT)匹配算法，将高斯滤波和分数阶微分滤波相结合,用分数阶微分对图像特征进行强化，检测出更加稳定的尺度空间极值点，然后筛选出更多和更准确的匹配特征点，最后进行图像匹配。实验表明，在SIFT中引入分数阶微积分的应用，能够得到更多的特征关键点，提高图像匹配的正确性。

关键词: 分数阶微分, 图像增强, 尺度不变特征变换算法, 图像匹配, 特征关键点

Abstract: The fractional differential approach can strengthen and extract textural features of two dimensional digital images; therefore, the digital image feature can be enhanced and extracted more easily. In order to improve the accuracy of image matching，based on fractional differential theory, an improved Scale Invariant Feature Transform (SIFT) matching algorithm was proposed. Combining the Gauss filter with the fractional differential filter to enhance the feature of image, more extrema and keypoints could be detected. Compared with the original SIFT, the simulation results show that the proposed algorithm can detect more key points, and improves the accuracy of image matching.

Key words: fractional differential, image enhancement, Scale Invariant Feature Transform (SIFT) algorithm, image matching, feature keypoint

中图分类号:

TP391.41

张丽敏周尚波. 基于分数阶微分的尺度不变特征变换图像匹配算法[J]. 计算机应用, 2011, 31(04): 1019-1023.

Li-min ZHANG Shang-bo ZHOU. Feature matching of scale invariant feature transform images based on fractional differential approach[J]. Journal of Computer Applications, 2011, 31(04): 1019-1023.

[1]	牛康力, 谌雨章, 沈君凤, 曾张帆, 潘永才, 王绎冲. 基于深度学习的双通道夜视图像复原方法[J]. 计算机应用, 2021, 41(6): 1775-1784.
[2]	贺杰安, 吴晓红, 何小海, 胡建蓉, 卿粼波. 结合图像增强和卷积神经网络的小麦不完善粒识别[J]. 计算机应用, 2021, 41(3): 911-916.
[3]	杨佳义, 陈勇. 低照度视频图像自适应补偿增强的设计与实现[J]. 计算机应用, 2020, 40(8): 2372-2377.
[4]	于天河, 李昱祚, 兰朝凤. 基于顶帽底帽变换的仿生图像增强算法[J]. 计算机应用, 2020, 40(5): 1440-1445.
[5]	邱云飞, 刘兴. 具有抗仿射性的局部特征点匹配方法[J]. 计算机应用, 2020, 40(4): 1133-1137.
[6]	王瑞尧, 岳雪亭, 周志青, 耿则勋. 最大差值图决策的低照度图像自适应增强算法[J]. 计算机应用, 2020, 40(4): 1164-1170.
[7]	朱成德, 李志伟, 王凯, 高燕, 郭亨长. 基于改进网格运动统计特征的图像匹配算法[J]. 计算机应用, 2019, 39(8): 2396-2401.
[8]	薄单, 李宗春, 王晓南, 乔涵文. 适用于倾斜影像的加速KAZE-SIFT特征提取算法[J]. 计算机应用, 2019, 39(7): 2093-2097.
[9]	司马紫菱, 胡峰. 基于模拟多曝光融合的低照度图像增强方法[J]. 计算机应用, 2019, 39(6): 1804-1809.
[10]	程宇, 邓德祥, 颜佳, 范赐恩. 基于卷积神经网络的弱光照图像增强算法[J]. 计算机应用, 2019, 39(4): 1162-1169.
[11]	娄梦莹, 袁丽莎, 刘娅琴, 万雪梅, 杨丰. 基于自适应融合的手掌静脉增强方法[J]. 计算机应用, 2019, 39(4): 1176-1182.
[12]	邱甲军, 吴跃, 惠孛, 刘彦伯. 基于小波变换的分数阶微分算法在肝脏肿瘤CT图像纹理增强中的应用[J]. 计算机应用, 2019, 39(4): 1196-1200.
[13]	周冲, 刘欢, 赵爱玲, 张鹏程, 刘祎, 桂志国. 基于梯度场的工业X射线图像增强算法[J]. 计算机应用, 2019, 39(10): 3088-3092.
[14]	李红, 王瑞尧, 耿则勋, 胡海峰. 基于多尺度梯度域引导滤波的低照度图像增强算法[J]. 计算机应用, 2019, 39(10): 3046-3052.
[15]	王焱, 吕猛, 孟祥福, 李宇浩. 具有光照鲁棒的图像匹配方法[J]. 计算机应用, 2019, 39(1): 262-266.

基于分数阶微分的尺度不变特征变换图像匹配算法

Feature matching of scale invariant feature transform images based on fractional differential approach

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics