基于SURF算法的医学图像特征点匹配

›› 2014, Vol. 27 ›› Issue (5): 145-.

基于SURF算法的医学图像特征点匹配

刘桥,杨正坤,李晗

(长沙理工大学电气与信息工程学院,湖南长沙 410114)

出版日期:2014-05-15 发布日期:2014-05-14
作者简介:刘桥(1970—),男,博士,副教授。研究方向:智能机器人,网络控制系统,环境监控系统。E-mail:niconew@163.com。杨正坤(1987—),男,硕士研究生。研究方向:图像处理。
基金资助:
湖南省教育厅科研基金资助项目(09B004)

SURF Algorithm for Medical Image Based on Feature Points Matching

LIU Qiao,YANG Zhengkun,LI Han

(School of Electrical and Information Engineering,Changsha University of Technology,Changsha 410114,China)

Online:2014-05-15 Published:2014-05-14

摘要/Abstract

摘要：

微创外科手术中的图像特征点快速匹配,可使计算机具备图像实时识别能力,提高手术成功率。但由于在手术中所运用的图像匹配算法具有计算量大、耗时长等缺点,提出一种基于SURF的图像特征点快速匹配算法。首先对图像采用SURF算法提取特征点,然后通过Hear小波变换确定特征点的主方向和特征点的描述子,并使用改进的最近邻搜索算法进行特征点匹配,最终根据实际需要选取相似度最高的前50～100对匹配点进行对比实验。实验结果表明,该算法鲁棒性强、速度快、匹配准确性高,且在医学图像处理中具有较大的应用价值。

关键词: 图像匹配, 特征点, SURF, 最近邻搜索算法

Abstract:

Image feature points fast matching in the minimally invasive surgery offers the computer real-time image recognition capabilities and improves the success rate.However,this algorithm is computationally intensive and time-consuming.A SURF-based fast image feature points matching algorithm is proposed.First,the image feature points are extracted using the SURF algorithm,then the main direction and the descriptors of the feature point are determined via Hear wavelet transform and the improved nearest neighbor search algorithm is used for matching feature points,and finally the first 50 to 100 points with the highest similarity are compared selected according to actual needs for matching experiments.Experimental results show that the algorithm has good robustness,high speed and high matching accuracy,and is of value in medical image processing.

Key words: image matching;features point;SURF;best　bin　first algorithm

中图分类号:

TP391.41

刘桥,杨正坤,李晗. 基于SURF算法的医学图像特征点匹配[J]. , 2014, 27(5): 145-.

LIU Qiao,YANG Zhengkun,LI Han. SURF Algorithm for Medical Image Based on Feature Points Matching[J]. , 2014, 27(5): 145-.

参考文献

［1］龚声蓉,刘纯平,王强.数字图像处理与分析［M］.北京:清华大学出版社,2006.
［2］吴炯,张秀彬,张峰,等.数字图像中边缘算法的实验研究［J］.微计算机信息,2004,20(5):106-107.

［3］王志衡,吴福朝,王旭光.基于局部方向分布的角点检测及亚像素定位［J］.软件学报,2008(11):2932-2942.

［4］宰小涛.基于SIFT特征描述子的立体匹配算法研究［D］.上海:上海交通大学,2007.

［5］LOWE D G.Distinctive image features from scale-invariant keypoints［J］.International Journal of Computer Vision,2004,60(2):91-110.

［6］SCHMID C,MOHR R,BAUCKHAGE C.Evaluation of interest points detectors［J］.International Journal of Computer Vision,2000,37(2):151-172.

［7］MOKHTARIAN F,SUOMELA R.Robust image corner detection through curvature scale space［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence,1988,20(12):1376-1381.

［8］BAY H,TUYTELAARS T,VAN　G　L.SURF:speeded up robust features［J］.Comput Vision 1m Understanding,2008,110(3):346-359.

［9］RODEHORST V,KOSEHAN A.Comparison of feature point detectors［C］.Berlin:Proceeding of the 5th International Turkish-German Joint Geodetic Days,2006:8-15.

［10］ROSTEN E,PORTER R,DRUMMOND T.Faster and better:a machine learning approach to corner detection［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence,2010:105-119.

［11］JUAN L,GWUN O.A comparison of SIFT,PCA-SIFT and SURF［J］.International Journal of Image Processing,2010,32(1):105-119.

［12］DANIEL W,GERHARD R,ALESSANDRO M,et al.Pose tracking from natural features on mobile phones［C］.International Symposium on Mixed and Augmented Reality,2008:125-134.

［13］KANG H,EFROS A,HEBERT M,et al.Image matching in large scale indoor environment［C］.International Conference on Computer Vision and Pattern Recognition Workshop,2009:33-40.

［14］ALY M,WELINDER P,MUNICH M,et al.Towards automated large scale discovery of image families［C］.International Conference on Computer Vision and Pattern Recognition Workshop,2011.

[1]	刘轩,付东翔. 基于人脸姿态估计的多角度虚拟眼镜试戴技术[J]. 电子科技, 2021, 34(9): 58-65.
[2]	陈文佑,章伟,史晓帆,宋芳. 一种改进ORB特征匹配的半稠密三维重建ORB-SLAM算法[J]. 电子科技, 2021, 34(12): 62-67.
[3]	裴晓芳, 胡敏. 杜鹃花各生长期识别与监测研究[J]. 电子科技, 2021, 34(1): 17-22.
[4]	张泽晨,巨志勇. 基于BoF模型的多特征融合果蔬图像分类方法[J]. 电子科技, 2020, 33(7): 41-45.
[5]	周柱,甘屹,孙福佳. 一种融合Gabor+SIFT特征的人脸识别算法[J]. 电子科技, 2019, 32(4): 1-5.
[6]	严茂森,陈家琪. 一种多环境适用的交通标志识别模型[J]. 电子科技, 2019, 32(4): 68-72.
[7]	金晓峰,王丹丹,梁添才,徐俊,王彪. 基于图像配准的指静脉身份认证技术[J]. 电子科技, 2019, 32(1): 32-37.
[8]	周庆曙，陈劲杰，纪鹏飞. 基于SVM的多特征手写体汉字识别技术[J]. , 2016, 29(8): 136-.
[9]	那彦，廖萌萌. 基于傅里叶梅林变换的SURF算法[J]. , 2016, 29(7): 55-.
[10]	陈青,翁旭峰. 基于Harris特征点和伪Zernike矩的鲁棒水印算法[J]. , 2016, 29(3): 183-.
[11]	年雷，麦云飞. 基于机器视觉的自由曲面轮廓度检测系统[J]. , 2016, 29(10): 104-.
[12]	郭姝言,刘桥,卢进. 一种改进的医学图像深度信息恢复算法[J]. , 2016, 29(1): 48-.
[13]	时培弘,董淑福,单勇. 一种基于改进SURF特征描述子的快速算法[J]. , 2015, 28(10): 8-.
[14]	王慧星. 基于E-FAST-SURF算法的移动增强现实技术[J]. , 2014, 27(11): 32-.
[15]	于海. OpenSURF在TI DM642上的移植[J]. , 2012, 25(5): 133-.