一种基于SIFT特征匹配的工件识别方法_王彦

© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
204
西安理工大学学报 (2009)第 25卷第 2期
1. 2. 2 去除低对比度点和边缘响应点 DoG空间极值点有对噪声敏感的低对比度点和
G ( x, y, kσ) - G ( x, y,σ) ≈ ( k - 1)σ2 2 G ( 4)
所以用 DoG函数也可以得到最稳定的图像特征点 。
为了检测尺度空间局部极值点 , 将输入图像通
过不同尺度 (σ)的高斯核函数连续滤波和下采样形
成高斯金字塔图像 , 然后再对相邻尺度的两个高斯
图像相减得到 DoG金字塔多尺度空间表示 (如图 1
(1. 西安理工大学 机械与精密仪器工程学院 ,陕西 西安 710048; 2. 西安理工大学 自动化与信息工程学院 ,陕西 西安 710048)
摘要 : 为了解决平移 、旋转 、缩放和部分遮挡等复杂环境下的工件图像匹配识别问题 ,给出了一种 基于 SIFT (尺度不变特征变换 )特征匹配的工件识别算法 。该算法采用 SIFT特征作为匹配特征 , 引入欧氏距离作为图像匹配的相似性度量 ,并采用设定阈值的方法剔除误配点 。实验结果表明 ,该 算法能有效解决具有平移 、旋转 、缩放和部分遮挡等情况下的工件匹配识别问题 。 关键词 : 工件识别 ; 特征提取 ; 特征匹配 ; 尺度不变特征变换 中图分类号 : TP391. 41 文献标识码 : A
I ( x, y) = L ( x, y, kσ) - L ( x, y,σ)
(3)
式中 k为常数 。
M ikolajczyk通过实验发现相对于其他的特征提
取函数 , 通过求高斯拉普拉斯函数 σ2 2 G 的最大
和最小 值 能 得 到 最 稳 定 的 图 像 特 征 点 [13 ] , 并 且
由于 :
目前的图像匹配算法主要是针对特定的领域提 出的 ,如遥感图像配准 、医学图像配准等 ,很难具有 通用性 。还没有一种图像配准方法能适用于各个领 域 。一般而言 ,根据匹配基元的不同 ,图像配准的方 法大致可以分为三大类 :区域匹配 、特征匹配和相位
匹配 。其中 ,基于特征的图像配准方法因其不直接 依赖于灰度 、鲁棒性好 、抗干扰性强 、计算量小 、速度 快而成为应用最广泛的图像配准方法 。
图 1 Gaussian金字塔和 DoG金字塔的建立过程 Fig. 1 Building p rocess of Gaussian pyram id and DoG pyram id
图 2 尺度空间极值点的确定 Fig. 2 Detection for local extreme point of
DoG scale space
translation, rotation, scale and part of occlusion. Key words: work2p iece recognition; feature extraction; feature m atching; scale invariant feature trans2
定关键点的位置和关键向特征 , 以实
现算子对尺度和方向的无关性 , 从而得到了一种对
尺度和方向无关的算子 。
1. 2. 1 尺度空间的极值检测
Lowe在图像二维平面空间和 DoG ( D ifference2
of2Gau ssian)尺度 空 间 中 同 时 检 测 局 部 极 值 以 作 为
傅卫平 (19572) ,男 ,上海人 ,博士 ,教授 ,博导 ,研究方向为非线性动力学、现代物流系统工程与技术。 E2mail: weip ingf@xaut. edu. cn。
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
对边缘响应敏感的边缘响应点 。
低对比度点去除 :通过拟合三维二次方程 ,可以
找出低对比度的点 。空间尺度函数 D ( x, y,σ)在局
部极值点 ( x0 , y0 ,σ)处的泰勒展开式如下 : D ( x, y,σ) = D ( x0 , y0 ,σ) +
5D T 5X0 X
+
1 2
XT
fo rm
在工件制造 、装配和检测过程中 ,对工件的自动 识别定位是非常重要的 ,它可以大大地推进生产的 自动化程度 ,具有重要的实际意义 。自动识别技术 有很多种 ,其中视觉识别技术以其非接触 、采样周期 短 、柔性和智能化等优点迅速得到了广泛的应用 。 针对图像的目标识别人们也提出了多种多样的方 法 ,图像匹配是其中应用最广泛的一种方法 。
算公式如下 :
G ( x, y,σ)
=
1 2πσ2
e-
x2 +y2 2σ2
(2)
式中 , ( x, y)为空间坐标 ,σ为尺度空间因子 。σ值
越小表示图像被平滑得越少 ,相应的尺度也就越小 。
大尺度对应于图像的概貌 ,小尺度对应图像的细节 。
1. 2 特征描述
SIFT算法首先在尺度空间进行特征检测 , 并确
202
西安理工大学学报 Journal of Xi’an University of Technology (2009) Vol. 25 No. 2
文章编号 : 100624710 (2009) 0220202205
一种基于 SIFT特征匹配的工件识别方法
王彦 1 , 傅卫平 1 , 朱虹 2 , 杨玮 1
基于特征的图像配准方法可以通过特征点 [ 1 ] 、 特征线段 [ 2 ]和特征区域 [ 3 ]来实现配准 ,其中基于图 像特征线段和特征区域的方法在很大程度上依赖于 图像的分割和边缘提取 ,这两种操作本身具有相当 大的难度和计算量 ,一旦待检测目标局部发生变化 (如部分遮挡或特征线断裂 ) ,则很可能导致图像的 分割和边缘提取操作的失败 ,使得配准算法的效率 和稳健性不高 ,制约了这两种方法的适用性 [ 4 ] 。基 于特征点的方法则避开了上述缺陷 ,它考虑的是像
Abstract: To solve the p roblem of work2p iece image m atching under the comp lex circum stance of transla2 tion, rotation, scale and part of occlusion, an algorithm of work2p iece recognition based on SIFT ( Scale Invariant Feature Transform ) is suggested in this paper. The algorithm uses SIFT characteristics as matc2 hing features, then introduces the Euclidean distance as the sim ilarity metrics of image matching, and u2
SIFT是 D avid Lowe[ 5 ]在 2004 年提出的一种特 征点提取方法 。该方法中的特征对于图像的尺度变 化 、图像缩放 、旋转甚至仿射变换来说是不变量 ,而 且对光照的变化和图像变形具有较强的适应性 ,有 利于后续的匹配 。正是借助于这些特点 ,使得传统 图像配准中的许多诸如前面提到的共性问题得到了 很大程度的改善 。基于 SIFT特征算子的匹配方法 已被成功地应用到了包括图像检索 [ 6 ] 在内的很多 领域 ,文献 [ 7 ]也对 SIFT算法特性做了分析 。
极值点并将其过滤掉 。
边缘响应点去除 :一个定义不好的高斯差分算 子的极值在横跨边缘的地方有较大的主曲率 , 而在 垂直边缘的方向有较小的主曲率 。本文通过 2 ×2 的 Hessian矩阵计算主曲率 。
王彦等 : 一种基于 SIFT特征匹配的工件识别方法
203
素点邻域的灰度变化 ,而不是整个目标的边缘轮廓 。 常用的特征点提取有 Harris角点提取 、SUSAN 角点 提取等 ,但是这些角点都不具有尺度 、旋转 、缩放不 变性 。基于工件图像的具体特点 , 本文采用 SIFT ( Scale Invariant Feature Transform ,即尺度不变特征 变换 )特征算子提取特征点 。
52 D 5X20
X
(5)
对上式求导 , 并令导数为 0, 得到精确的位置 Xmax , 如式 ( 6)所示 :
Xm ax
=-
(
52 D 5X20
)
-
1
5D 5X0
(6)
把公式 ( 6)代入公式 ( 5) ,只取前两项可得 :
D ( Xmax )
=D + 1 2
5D T 5X0 Xmax
(7)
若 |D ( Xmax ) | < 0. 03,则视该点为低对比度候选
A M ethod for Recogn ition of W ork2P ieces Ba sed on S IFT Character istics M a tch ing
WANG Yan1 , FU W ei2p ing1 , ZHU Hong2 , YANG W ei1
(1. Faculty of M echanical and Precision Instrument Engineering, Xi’an University of Technology, Xi’an 710048, China) 2. Faculty of Automation and Information Engineering, Xi’an University of Technology, Xi’an 710048, China)