一种基于ORB的快速大视角图像匹配算法
CSTR:
作者:
作者单位:

(1. 南京航空航天大学自动化学院,南京211106;2. 卫星通信与导航协同创新中心,南京211106;3. 中航工业洛阳电光设备研究所,河南洛阳471009)

作者简介:

曾庆化(1979-), 男, 教授, 博士, 从事惯性导航/图像/卫星及其组合导航技术等研究;陈艳(1993-), 女, 硕士生, 从事图像处理与组合导航的研究.

通讯作者:

E-mail: zengqh@nuaa.eud.cn

中图分类号:

TP391.4

基金项目:

陆军装备部十三五预研项目(30102080101);中央高校基本科研业务费专项资金项目(2017209);航空科学基金项目(20165852052).


A fast matching method for large viewpoint changes images based on ORB algorithm
Author:
Affiliation:

(1. College of Automation,Nanjing University of Aeronautics and Astronautics,Nanjing211106,China;2. Collaborative Innovation Center for Satellite Communication and Navigation,Nanjing211106,China;3. AVIC Luoyang Electro-Optical Equipment Research Institute, Luoyang471009,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对ASIFT算法抗大视角变换能力较好,但运算效率低的缺点,提出一种基于ORB的快速大视角图像匹配算法.该算法结合透视变换模型和ORB算法对ASIFT中的仿射变换模型和SIFT算法进行优化,在粗匹配算法获得单应性矩阵的基础上进行精匹配,有效减少了模拟次数,并提高了算法运算效率.实验结果表明,所提出算法具备抗视角变换能力,计算速度比ASIFT算法提高10倍,实时性强,工程使用价值高.

    Abstract:

    For the problem that the affine scale invariant feature transform(ASIFT) algorithm does well in large viewing image matching but has low computing efficiency, a fast large viewing image matching method based on the oriented FAST and rotated BRIEF(ORB) algorithm is proposed. The improved algorithm combines the perspective transformation model and ORB algorithm to optimize the affine transformation model and SIFT algorithm in the ASIFT algorithm. The refined matching is performed with the homography matrix based on coarse matching, which can reduce the number of simulation and improve the efficiency of the algorithm. The experimental results show that the proposed algorithm has the ability to resist the angle of view, and is 10 times faster than the ASIFT algorithm. Also, it has strong real-time performance and high engineering application value.

    参考文献
    相似文献
    引证文献
引用本文

曾庆化,陈艳,王云舒,等.一种基于ORB的快速大视角图像匹配算法[J].控制与决策,2017,32(12):2233-2239

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-11-15
  • 出版日期:
文章二维码