趙柏山，肖乃瑤，張學(xué)松

　?。ㄉ蜿?yáng)工業(yè)大學(xué) 信息科學(xué)與工程學(xué)院，遼寧 沈陽(yáng) 110000）

        摘要：圖像匹配對(duì)于工具識(shí)別過(guò)程具有重要意義，傳統(tǒng)的圖像匹配算法匹配過(guò)程復(fù)雜導(dǎo)致匹配速度慢，在實(shí)際應(yīng)用中有局限。為了提高工具識(shí)別的效率，通過(guò)分析工具圖像特征，設(shè)計(jì)出一種基于Harris角點(diǎn)特征的圖像匹配方法進(jìn)行工具識(shí)別。首先用Harris算法提取工具模板圖像與搜索圖像角點(diǎn)特征，然后使用歸一化互相關(guān)匹配算法計(jì)算工具模板圖像與搜索圖像角點(diǎn)特征的相關(guān)值，進(jìn)而確定匹配點(diǎn)對(duì)，最后采用RANSAC去除錯(cuò)誤匹配點(diǎn)對(duì)。通過(guò)實(shí)際數(shù)據(jù)驗(yàn)證，基于Harris角點(diǎn)特征的圖像匹配方法與傳統(tǒng)方法相比，不僅識(shí)別速度快，魯棒性好，而且在實(shí)際工程應(yīng)用中更具適用性。

　　關(guān)鍵詞：圖像匹配；工具圖像特征；工具識(shí)別；Harris角點(diǎn)特征；歸一化互相關(guān)

　　中圖分類(lèi)號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：ADOI： 10.19358/j.issn.1674-7720.2017.06.014

　　引用格式：趙柏山，肖乃瑤，張學(xué)松. 基于Harris角點(diǎn)匹配的工具識(shí)別方法［J］.微型機(jī)與應(yīng)用，2017,36（6）：43-45,50.

0引言

　　*基金項(xiàng)目：遼寧省教育廳一般研究項(xiàng)目（L2014053）圖像匹配［1］是指在空間上相同對(duì)象的兩幅或更多幅圖像的配準(zhǔn)。圖像匹配的技術(shù)過(guò)程稱(chēng)為圖像匹配。圖像匹配是應(yīng)用非常廣泛的圖像處理技術(shù)，圖像匹配在地圖與地形分析、醫(yī)學(xué)圖像研究、機(jī)器人視覺(jué)等多領(lǐng)域有重要的應(yīng)用價(jià)值，國(guó)內(nèi)外很多學(xué)者在圖像匹配方面也做過(guò)很多研究，其研究對(duì)象各不相同，至于工具的識(shí)別方面，尚未有一種普遍使用的方法解決其匹配問(wèn)題。

　　近些年來(lái)圖像匹配算法始終是人們探究的熱點(diǎn)，通常圖像匹配的方法［26］可以分為兩大類(lèi)：基于灰度的圖像匹配方法和基于特征的圖像匹配方法。經(jīng)典的灰度圖像匹配方法有：序貫相似性檢測(cè)（Sequential Similarity Detection Algorithm，SSDA）和對(duì)應(yīng)像素差的平方和（Sum of Square Difference，SSD）等?；诨叶鹊膱D像匹配方法具有精度高的優(yōu)點(diǎn)，但是匹配速度慢，對(duì)灰度變化、旋轉(zhuǎn)、縮放十分敏感?；谔卣鞯膱D像匹配方法有兩個(gè)重要的環(huán)節(jié)：特征提取和特征匹配，可以選取的特征包括：點(diǎn)、線、與區(qū)域，其中點(diǎn)特征最常用，經(jīng)典的點(diǎn)特征提取算法有：Harris算子［7］、SUSAN算子［8］和Canny算子［9］等?；谔卣鞯膱D像匹配方法可以改善基于灰度的圖像匹配方法的缺點(diǎn)，從而在圖像匹配方面得到了廣泛的應(yīng)用。

　　本文通過(guò)分析工具圖像特征，采用基于Harris的算法進(jìn)行角點(diǎn)的提取并用歸一化互相關(guān)匹配算法進(jìn)行工具匹配識(shí)別，該方法有效地提高了工具識(shí)別的效率。

1基于Harris角點(diǎn)的工具識(shí)別

　　1.1工具圖像特征分析及角點(diǎn)提取方法

　　迄今為止，圖像特征還沒(méi)有一個(gè)準(zhǔn)確的定義。理想的圖像特征描述符應(yīng)該是：可區(qū)分、豐富以及高辨別率等。在工具識(shí)別匹配過(guò)程中，工具圖像有如下特征：

　　（1）背景簡(jiǎn)單；

　?。?）形狀特征信息豐富；

　?。?）角點(diǎn)特征明顯。

　　角點(diǎn)信息中包含了大量?jī)?nèi)容豐富的局部特征和形狀特征信息，在角點(diǎn)提取過(guò)程中提取方法較多，常用的方法有Moravec算子、Harris算子等。

　　Harris角點(diǎn)提取算法由HARRIS C和STEPHENS M于1988年提出,是對(duì)Moravec角點(diǎn)提取算法的擴(kuò)展。Moravec角點(diǎn)提取算法由于沒(méi)有對(duì)圖像進(jìn)行抗噪處理，所以不能找到所有的角點(diǎn)，對(duì)噪聲特別敏感。Harris算子是根據(jù)圖像角點(diǎn)處的自相關(guān)函數(shù)的關(guān)系測(cè)試的。而局部圖像的灰度變化程度也是通過(guò)自相關(guān)函數(shù)描述的，如下公式所示：

　　E(x,y)=∑w(u,v)［f(x+u,y+v)－f(u,v)］2(1)

　　式中，w(u,v)表示工具特征圖像窗口，E(x,y)表示由于工具特征圖像窗口移動(dòng)而造成的圖像灰度的變化，f則表示圖像的平均灰度值。由于微分算子可以顯示像素點(diǎn)各方向的灰度變化的特征，因此用微分算子再次定義公式能夠有效區(qū)分角點(diǎn)，公式（1）是在像素點(diǎn)(u,v)處展開(kāi)，將E(x,y)推導(dǎo)成泰勒多項(xiàng)式的形式：

　　E(x,y)=∑w(u,v)［xX+yY+O(x2,y2)］2

　　=Ax2+2Cxy+By2(2)

　　上式中的A,B,C系數(shù)可以分別看作是二階方向微分的近似值。Harris算子利用高斯函數(shù)對(duì)圖像先進(jìn)行平滑處理以提高抗噪能力，即算子的檢測(cè)窗口采用的是高斯函數(shù)，在上面平滑操作的基礎(chǔ)上再根據(jù)以下公式提取角點(diǎn)，即：

　　w(u,v)=exp(－12(u2+v2)/σ2)(3)

　　A=X2w,B=Y2w,C=(XY)w(4)

　　Harris角點(diǎn)提取算法的響應(yīng)函數(shù)定義為：

　　R=Det(M)－κ(Tr(M))2=AB－C2－κ(A+B)2(5)

　　其中，Det(M)表示矩陣的行列式，Tr(M)表示矩陣的跡；κ為默認(rèn)常數(shù)，通常取值為0.04。R為角響應(yīng)函數(shù)值，R值越大，則該像素點(diǎn)的位置是角點(diǎn)的可能性越大，如果R值較小，則該像素點(diǎn)應(yīng)該對(duì)應(yīng)圖像的工具或背景區(qū)域。

　　1.2工具識(shí)別

　　為了實(shí)現(xiàn)工具的快速匹配識(shí)別，并且體現(xiàn)工具圖像特征在匹配過(guò)程中的應(yīng)用，本文采用歸一化互相關(guān)算法進(jìn)行工具圖像匹配識(shí)別。歸一化互相關(guān)算法是一種經(jīng)典的匹配算法，其主要應(yīng)用于基于灰度的模板匹配，通過(guò)計(jì)算模板圖像與匹配圖像兩個(gè)圖像的相關(guān)值，來(lái)確定匹配程度。本文將此算法用于計(jì)算工具模板圖像提取的角點(diǎn)特征與工具搜索圖像提取的角點(diǎn)特征的相關(guān)值，從而確定匹配點(diǎn)對(duì)。工具圖像匹配識(shí)別的大體步驟如下：

　　(1)對(duì)工具模板圖像與搜索圖像進(jìn)行均值濾波處理。

　　(2)利用步驟(1)中結(jié)果，產(chǎn)生歸一化互相關(guān)矩陣。

　　(3)根據(jù)產(chǎn)生的歸一化互相關(guān)矩陣，計(jì)算工具模板圖像中一角點(diǎn)與工具搜索圖像一角點(diǎn)的相關(guān)值及相應(yīng)索引。

　　(4)判斷步驟(3)中結(jié)果，如果兩圖像對(duì)應(yīng)角點(diǎn)索引一致，則為一對(duì)初始匹配點(diǎn)。

　　(5)重點(diǎn)步驟(4)求出一一匹配點(diǎn)。

　　經(jīng)過(guò)上述角點(diǎn)匹配后，可以找出所有匹配的角點(diǎn)對(duì)，其中包括正確的匹配點(diǎn)對(duì)與錯(cuò)誤的匹配點(diǎn)對(duì)，為了提高工具圖像的匹配精度，利用RANSAC算法對(duì)工具圖像特征點(diǎn)對(duì)去除錯(cuò)誤匹配點(diǎn)對(duì)，從而提高匹配正確率。

2工具識(shí)別實(shí)驗(yàn)結(jié)果

　　本文的實(shí)驗(yàn)環(huán)境為CPU Intel Core i3370，主頻2.93 GHz，內(nèi)存2 GB，操作系統(tǒng)Windows 7旗艦版，開(kāi)發(fā)環(huán)境為MATLAB 7.0。

　　為了驗(yàn)證基于Harris角點(diǎn)特征的圖像匹配方法的有效性、適用性及合理性,分別對(duì)不同工具圖像進(jìn)行多次匹配實(shí)驗(yàn)，本文選取了部分典型實(shí)驗(yàn)結(jié)果，如圖1、圖2和圖3。每幅圖中（a）為工具搜索圖像角點(diǎn)提取圖，（b）為工具圖像匹配結(jié)果，左邊是工具模板圖像，右邊為工具搜索圖像。

　　圖1為工具（鉗子）圖像角點(diǎn)提取及匹配結(jié)果，驗(yàn)證了本文方法的有效性；圖2為加椒鹽噪聲的工具（扳子）圖像角點(diǎn)提取及匹配結(jié)果，驗(yàn)證了本文方法的適用性；圖3為兩個(gè)不同工具圖像匹配失敗結(jié)果，與前者對(duì)比，驗(yàn)證了本文方法的合理性。工具圖像匹配數(shù)據(jù)如表1。

　　本文還應(yīng)用基于灰度的傳統(tǒng)算法進(jìn)行工具識(shí)別，主要是與本文方法進(jìn)行對(duì)比比較。表2為工具圖像分別應(yīng)用傳統(tǒng)算法和本文算法進(jìn)行50次匹配的實(shí)驗(yàn)數(shù)據(jù)。

3結(jié)論

　　本文介紹了基于Harris角點(diǎn)特征的匹配方法，經(jīng)過(guò)以上實(shí)驗(yàn)結(jié)果分析，證明了與傳統(tǒng)算法相比，本文算法在同樣匹配精確度下有更快的速度，對(duì)含有噪聲的工具圖像匹配問(wèn)題同樣具有適用性并且也能很好地進(jìn)行檢測(cè)與匹配。與此同時(shí)，本文算法也存在局限性，當(dāng)模板工具圖像角點(diǎn)特征不明顯時(shí)，也可能導(dǎo)致匹配失敗，在今后的研圖3不同工具圖像角點(diǎn)提取及匹配失敗結(jié)果

　　究中還應(yīng)逐步改進(jìn),以進(jìn)一步提高實(shí)時(shí)性。

參考文獻(xiàn)

　?。?］ 王志明， 殷諸成， 曾慧. 數(shù)字圖像處理與分析［M］. 北京：清華大學(xué)出版社， 2012.

　　［2］ 趙啟. 圖像匹配算法研究［D］. 西安：西安電子科技大學(xué)， 2013.

　?。?］ BROWN L G. A survey of image registration techniques ［J］. Southern Economic Journal, 1950, 17(1):20-24.

　　［4］ 桑智明. 幾種基于灰度的圖像匹配算法研究［D］.天津：南開(kāi)大學(xué)，2011.

　　［5］ 陳天華. 基于特征提取和描述的圖像匹配算法研究［D］. 廣州：廣東工業(yè)大學(xué)， 2016.

　　［6］ Wu Yue, Ma Wenping, Gong Maoguo, et al. A novel pointmatching algorithm based on fast sample consensus for image registration［J］. IEEE Geoscience & Remote Sensing Letters, 2015, 12(1):43-47.