一種改進(jìn)的高精度視頻幀間匹配算法

1、引言

　　圖像匹配技術(shù)是數(shù)字圖像處理領(lǐng)域的一項(xiàng)重要研究，并已在計(jì)算機(jī)視覺、虛擬現(xiàn)實(shí)場景生成、航空航天遙感測量、醫(yī)學(xué)影像分析、光學(xué)和雷達(dá)跟蹤、景物制導(dǎo)等領(lǐng)域得到了廣泛的應(yīng)用。它涉及到許多相關(guān)領(lǐng)域，如圖像預(yù)處理、圖像采樣、圖像分割、特征提取等，并且將計(jì)算機(jī)視覺、多維信號和數(shù)值計(jì)算方法等緊密結(jié)合在一起。因此，如何找到一種有效的圖像匹配方法，使得它能快速而準(zhǔn)確的從大量信息中找出所需圖像信息成為急待需要解決的問題。

　　特征法[1]是圖像匹配算法中的一種經(jīng)典方法，其原理是選取圖像中的典型特征作為運(yùn)動估計(jì)的基本單元，這種方法比較接近于人的視覺特性，主要受制于特征提取的穩(wěn)定性和特征定位的精確性。而SIFT (scale in-variant feature transform)特征[2,3]是一種對尺度、旋轉(zhuǎn)、亮度、仿射、噪音等都具有不變性的圖像局部特征。所以，本文針對視頻幀間匹配的要求，結(jié)合SIFT特征對尺度和旋轉(zhuǎn)具有不變性的優(yōu)點(diǎn)，將歐式距離判別和RANSAC法融合到對SIFT特征點(diǎn)的匹配計(jì)算中，通過研究得到了一種高精度的視頻幀間匹配算法。

2、基于SIFT特征的視頻幀間匹配

　　在需要處理的視頻幀間圖像中，普遍地存在旋轉(zhuǎn)和尺度縮放，而常用的Harris角點(diǎn)[4] 和K-L角點(diǎn)[5]不適用于這種場合。SIFT特征是分別在兩幀圖像的高斯差分尺度空間（DOG scale-space）提取出的圖像局部特征，以某段在直升機(jī)上拍攝的航拍視頻為例，對視頻中某兩幀圖像的SIFT特征點(diǎn)進(jìn)行匹配，仿真結(jié)果如圖1所示。

圖1 視頻中某兩幀圖像的SIFT特征匹配結(jié)果

　　仿真結(jié)果表明，SIFT特征不僅具有對旋轉(zhuǎn)、尺度縮放、亮度變化的不變性，而且對視角變化、仿射變換、噪聲也具有一定程度的穩(wěn)定性。由于該算法不以單個(gè)像素作為研究對象，所以提高了對圖像局部變形的適應(yīng)能力。

　　但是在傳統(tǒng)的僅采用歐式距離判別法對特征點(diǎn)進(jìn)行匹配的過程中，仍舊存在誤匹配問題。圖2是將相鄰兩幀圖像中提取的特征點(diǎn)在同一幀圖像中顯示，可以根據(jù)性質(zhì)將誤匹配點(diǎn)分為兩類：第一類是完全匹配錯(cuò)誤的點(diǎn)，如圖2方框（a）所示，即被配對的兩幀圖像上的兩個(gè)點(diǎn)實(shí)際上不是一對具有匹配關(guān)系的點(diǎn)，他們具有相同或極其相似的SIFT特征向量，但他們并不是同一個(gè)圖像特征；第二類是有誤差的匹配點(diǎn)，如圖2方框（b）所示，即兩個(gè)點(diǎn)雖然是同一個(gè)圖像特征，但是由于鏡頭的晃動，圖像的局部運(yùn)動及其他擾動的影響，同一個(gè)點(diǎn)在兩幀圖像中的坐標(biāo)差異與其他大部分點(diǎn)的坐標(biāo)差異相比，存在較大的偏差。這兩種情況都會影響到運(yùn)動參數(shù)估計(jì)的準(zhǔn)確度，因此都是需要被去除的誤匹配點(diǎn)。

圖2 歐式距離法判別匹配點(diǎn)

　　實(shí)驗(yàn)表明，利用歐式距離進(jìn)行關(guān)鍵點(diǎn)匹配的匹配精度基本取決于比例閾值r 的大小，r 取值過大會出現(xiàn)大量錯(cuò)匹配點(diǎn)，而r取值過小可能得到的匹配點(diǎn)數(shù)目過少。然而存在這樣的情況，即如果兩幀圖像上的某兩個(gè)不同的特征點(diǎn)的特征向量的歐式距離值非常小，則閾值r 需要取足夠小的值才有可能去掉這一對錯(cuò)誤的匹配點(diǎn)，這樣一來匹配點(diǎn)總數(shù)目就太少甚至為零，甚至無法進(jìn)行后面的參數(shù)計(jì)算。故單純靠調(diào)節(jié)歐式距離匹配中的比例閾值r無法解決上述誤配點(diǎn)問題，難以達(dá)到高精度、數(shù)目適中的特征點(diǎn)匹配結(jié)果。

3、匹配準(zhǔn)則的改進(jìn)

　　RANSAC法和傳統(tǒng)的方法的區(qū)別在于傳統(tǒng)的方法先把全部的數(shù)據(jù)點(diǎn)作為內(nèi)點(diǎn)而計(jì)算出初始參數(shù)值，然后重新計(jì)算并統(tǒng)計(jì)內(nèi)點(diǎn)和外點(diǎn)；而RANSAC法最開始是利用一部分?jǐn)?shù)據(jù)作為內(nèi)點(diǎn)得到初始值，然后尋找數(shù)據(jù)集中所有別的內(nèi)點(diǎn)。即應(yīng)用RANSAC法對歐式距離法粗匹配的特征點(diǎn)進(jìn)行準(zhǔn)確度檢驗(yàn)，可以最大限度地減少噪聲及外點(diǎn)的影響。所以，本文首先采用關(guān)鍵點(diǎn)特征向量的歐式距離判定視頻中某兩幀圖像的特征點(diǎn)相似性，進(jìn)行粗略匹配，然后利用RANSAC法對粗略匹配結(jié)果進(jìn)行迭代演算[7,8]，通過二次精確匹配來剔除粗匹配中的誤配點(diǎn)，得到精確的匹配點(diǎn)，從而得到精確的圖像匹配結(jié)果。

3.1 歐式距離判別法的一次粗匹配

　　當(dāng)兩幀圖像的SIFT特征向量生成后，首先采用關(guān)鍵點(diǎn)特征向量的歐式距離作為兩幀圖像中關(guān)鍵點(diǎn)的相似性判定度量。歐氏距離（Euclidean distance）是一個(gè)通常采用的距離定義，它是在n維空間中兩個(gè)點(diǎn)之間的真實(shí)距離。

　　計(jì)算兩幀圖像中特征點(diǎn)的歐式距離的公式是：

（1）

　　Xi1表示第一幀圖像上某一點(diǎn)的第i 維坐標(biāo)，Xi2表示第二幀圖像上某一點(diǎn)的第i 維坐標(biāo)。

　　判斷準(zhǔn)則：取圖像1中的某個(gè)關(guān)鍵點(diǎn)，計(jì)算出圖像2中與其歐式距離最近的前兩個(gè)關(guān)鍵點(diǎn)，在這兩個(gè)關(guān)鍵點(diǎn)中，如果最近的距離d1除以次近的距離d2少于某個(gè)比例閾值r ，則接受這一對匹配點(diǎn)，否則拋棄。