Feature extraction and matching of F-SIFT based on spectral image space

Guo-shen DING; Yan-li QIAO; Wei-ning YI; Jun LI; Li-li DU

doi:10.37188/OPE.20212905.1180

您当前的位置：

首页 >

文章列表页 >

Feature extraction and matching of F-SIFT based on spectral image space

Information Sciences | 更新时间：2021-07-08

- Feature extraction and matching of F-SIFT based on spectral image space
- Optics and Precision Engineering Vol. 29, Issue 5, Pages: 1180-1189(2021)
- 作者机构：
  
  1.中国科学院安徽光学精密机械研究所通用光学定标与表征技术重点实验室，安徽合肥 230031
  2.中国科学技术大学，安徽合肥 230026
  3.西安科技大学安全科学与工程学院，陕西西安 710054
- 作者简介：
- 基金信息：
- DOI：10.37188/OPE.20212905.1180
  CLC： TP391.41
- Received：04 November 2020，
  
  Revised：15 December 2020，
  
  Published：15 May 2021
- 稿件说明：
移动端阅览
丁国绅,乔延利,易维宁等.基于光谱图像空间的F-SIFT特征提取与匹配[J].光学精密工程,2021,29(05):1180-1189.

DING Guo-shen,QIAO Yan-li,YI Wei-ning,et al.Feature extraction and matching of F-SIFT based on spectral image space[J].Optics and Precision Engineering,2021,29(05):1180-1189.
丁国绅,乔延利,易维宁等.基于光谱图像空间的F-SIFT特征提取与匹配[J].光学精密工程,2021,29(05):1180-1189. DOI： 10.37188/OPE.20212905.1180.

DING Guo-shen,QIAO Yan-li,YI Wei-ning,et al.Feature extraction and matching of F-SIFT based on spectral image space[J].Optics and Precision Engineering,2021,29(05):1180-1189. DOI： 10.37188/OPE.20212905.1180.

摘要

针对传统SIFT算法提取到的图像特征点数量稀少的问题，可利用高光谱图像的特性，在光谱维度上取差重构了图像的尺度空间，使得提取到的特征点数量得到了极大地提高。但特征点数量的大幅增加导致算法的时间开销随之增大，并且有效特征点的占比较低。为了解决特征点的冗余问题，提高匹配效率，提出了一种基于光谱图像空间的F-SIFT算法。利用FAST算法能够在像素层面上快速判断的特性，构建了以当前像素为中心的八邻域准则，在提取图像的特征点之前对差分金字塔的对应位置的像素点做预筛选，使得特征点数量降低到了原来的10%以下；另外传统的匹配方法只统计了目标象元邻域内的像素信息，而忽略了象元的几何位置信息，因此本文扩展了特征描述符向量，首先利用最近邻与次近邻之比对特征描述符做一次粗匹配，记录可靠性程度并将其纳入描述符向量，接着按照相似性程度的高低从前20组匹配中迭代选取4组匹配点用于构造三角平面，利用象元的位置信息进行精确匹配。实验结果表明本文方法能够有效降低冗余特征点的数量，剔除误匹配。

Abstract

To solve the problem of the scarcity of the number of image feature points extracted by the traditional scale-invariant feature transform （SIFT） algorithms， in the previous work， we used the characteristics of a hyperspectral image and reconstructed the scale space of the image by considering the difference in the spectral dimension， so that the number of feature points extracted is greatly increased. However， the large increase in the number of feature points leads to the increase in the time cost of the algorithm， and the proportion of effective feature points is low. To solve the redundancy problem of feature points and improve the matching efficiency， we propose a novel flip-SIFT （F-SIFT） algorithm based on the spectral image space. Based on the ability of the proposed algorithm to perform matching quickly at the pixel level， an eight-neighborhood criterion centered on the current pixel is constructed. Before the feature points of the image are extracted， the pixels in the corresponding position of the difference pyramid are pre-filtered， so that the number of feature points is reduced to less than one tenth of the original. In addition， the traditional matching method only counts the pixel information in the neighborhood of the target pixel， but ignores the geometric location information of the pixel. Therefore， in this study， we extended the feature descriptor vector. First， the feature descriptor is roughly matched by the comparison between the nearest neighbor and the next nearest neighbor， and the similarity degree is recorded and included in the descriptor vector. Then， according to the reliability degree， four groups of matching points are selected iteratively from the first 20 sets of matching points to construct the triangle plane and the pixel position information is used for accurate matching. Experimental results showed that the proposed method can effectively reduce the number of redundant feature points and eliminate mismatches.

关键词

Keywords

references

BROWN M ， LOWE D G . Automatic panoramic image stitching using invariant features ［J］. International Journal of Computer Vision ， 2007 ， 74 （ 1 ）： 59 - 73 .

GUO C ， JIA F ， TANG W ， et al . A fast method for image matching and registration based on SIFT algorithm and image pyramid ［J］. Journal of Physics： Conference Series ， 2020 ， 1449 （ 1 ）： 012119 .

SHU Y ， TAN Z . 3D reconstruction based on spatial vanishing information ［J］. Chinese Optics Letters ， 2005 ， 3 （ 3 ）： 146 - 148 .

ZHIXIN Z ， SHUHAO J . Design of incomplete 3D information image recognition system based on SIFT algorithm and wireless network ［J］. EURASIP Journal on Wireless Communications and Networking ， 2020 （ 1 ）.

WANG Y ， YUAN Y ， LEI Z . Fast SIFT feature matching algorithm based on geometric transformation （January 2020）［J］. IEEE Access ， 2020 ，（ 99 ）： 1 - 1 .

王广龙，田杰，朱文杰，等 . 特征融合和自适应权重更新相结合的运动模糊目标跟踪［J］. 光学精密工程， 2019 ， 27 （ 5 ）： 1158 - 1166 .

WANG G L ， TIAN J ， ZHU W J ， et al . Feature fusion and weight adaptive updating based motion blur object tracking ［J］. Opt. Precision Eng. ， 2019 ， 27 （ 5 ）： 1158 - 1166 . （in Chinese）

KAHLON C S ， LI B ， BOARD J ， et al . Cluster and principle component analysis of soybean grown at various row spacings， planting dates and plant populations ［J］. Open Agriculture ， 2018 ， 3 （ 1 ）： 110 - 121 .

YANG T ， MA J ， MIAO Y ， et al . Privacy-preserving krawtchouk moment feature extraction over encrypted image data ［J］. Information ences ， 2020 ， 536 .

韩亚君，杨德东，李勇，等 . 基于多特征融合相关滤波的红外目标跟踪［J］. 液晶与显示， 2019 ， 34 （ 2 ）： 177 - 187 .

HAN Y J ， YANG D D ， LI Y ， et al . Infrared target tracking based on correlation filter with multi-features fusion ［J］. Chinese Journal of Liquid Crystals and Displays ， 2019 ， 34 （ 2 ）： 177 - 187 . （in Chinese）

HE Q ， HE B ， ZHANG Y ， et al . Multimedia based fast face recognition algorithm of speed up robust features ［J］. Multimedia Tools and Applications ， 2019 ， 78 （ 17 ）： 24035 - 24045 .

LOWE D G . Distinctive Image Features from Scale-Invariant Keypoints ［J］. International Journal of Computer Vision ， 2004 ， 60 （ 2 ）： 91 - 110 .

RUBLEE E ， RABAUD V ， KONOLIGE K ， et al . ORB： An efficient alternative to SIFT or SURF ［C］. International Conference on Computer Vision . IEEE ， 2012 .

颜雪军，赵春霞，袁夏 . 2DPCA-SIFT：一种有效的局部特征描述方法［J］. 自动化学报， 2014 （ 4 ）： 675 - 682 .

YAN X J ， ZHAO CH X ， YUAN X . 2DPCA-SIFT：An efficient local feature descriptor ［J］. Acta Automatica Sinica ， 2014 ， 40 （ 4 ）： 675 - 682 . （in Chinese）

RATHGEB C ， WAGNER J ， BUSCH C . SIFT-based iris recognition revisited： prerequisites， advantages and improvements ［J］. Pattern Analysis and Applications ， 2019 ， 22 （ 3 ）： 889 - 906 .

XU K ， LIU J X ， MIAO J ， et al . An improved SIFT algorithm based on adaptive fractional differential ［J］. Journal of Ambient Intelligence and Humanized Computing ， 2019 .

丁国绅，乔延利，易维宁，等 . 基于高光谱图像的改进SIFT特征提取与匹配［J］. 光学精密工程， 2020 ， 28 （ 4 ）： 954 - 962 .

DING G SH ， YI W N ， DU Lili ， et al . Improved SIFT feature extraction and matching technology based on hyperspectral image ［J］. Opt. Precision Eng. ， 2020 ， 28 （ 4 ）： 954 - 962 . （in Chinese）

Views

473

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

Address：No.3888 Dong Nanhu Road, Changchun, Jilin, China Postal code：130033
Tel：0431-86176855 Email：gxjmgc@ciomp.ac.cn
Technical support is provided by Beijing Founder electronics co., LTD 吉ICP备11002662号-17 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰