双向快速SIFT匹配在电力设备识别中的应用研究.pdf

I 訇 似 双向快速S I F T 匹配在电力设备识别中的应用研究 Res ear ch on t he appl i cat i on o f bi di r ect i onal f ast SI F T m at chi ng f or p ow er equi pm ent i den t i f i cat i on 侯一民，陈艳虎，刘玉琼 HOU Y_ I mi n CHEN Y an - h u ， L I U Yu q i o n g ( 东北电力大学 自动化工程学院，吉林 1 3 2 0 1 2 ) 摘要：采用目前最为活跃的S I F T 匹配算法 ，对电力设备进行识别与定位。该算法具有旋转、平移、 尺度缩放、亮度变化保持不变的特点。但是，S I F T 算法中特征向量的维数 ( 1 2 8 维)很高，很 大程度上增加了运算的复杂程度。本文针对其维数高的缺点，尝试进行改进 ，力求保持原算 法优良特性前提下 ， 尽量降低特征向量维数。同时特征点单向匹配过程中可能存在误匹配， 因此本文采用双向匹配 ，一定程度上提高了匹配的准确率。实验结果表明，改进后的S I F T 算 法缩短了运算时间，提高了匹配的精准度，可以较好的应用于电力设备识别定位中。 关键词：S IF T；电力设备；识别定位；双向匹配 中图分类号：T M3 9 1 文献标识码 ：A D o i ：1 0 3 9 6 9 J i s s n 1 0 0 9 0 1 3 4 2 0 1 4 0 1 ( 上 ) 1 8 0 引言 变 电站 电力设 备 中，高 压熔 断 器 、隔 离 刀 闸、避雷器等一般都位于较高位置 ，这 些设 备一 旦出现 问题没有被及时发现处理 ，就会对电力设 备造成故障隐 患。而现在主要通过人工对这些电 力设备进行巡检 ，人眼易疲劳 ，而且 可能忽略一 些异 常情况 。同时 ，部分变 电站逐渐实现无人值 守。为了准确反应 电力设备的工作状态，可以对 变电站巡检机器人 获取 的 目标 图像 与变 电站设 备库 中的图像进行匹配 ，从 而实现 电力设备 的识 别与定位 。因此 ，图像 匹配精 度直接影响 了电力 设 备 的识 别与定 位 的准确 性 。本文 采 用 目前 图 像匹配领域最活跃的S I F T( S c a l e I n v a r i a n t F e a t u r e T r a n s f o r m，尺度不变特征转换) 算法进行图像匹 配 。该算法所提取特征稳定，匹配能力 。 近年来 ，针对S I F T 算法存在的缺点和不足，很 多研究人员尝试对该算法进行改进 ，例如，Y a n K e 的P CA S I F T 方法瞪 ；Mi k o l a j c z y 的GL O H算法 ； 郑永斌等人将L B P ( L o c a l B i n a r y P a t t e r n s ) 与S I F T 结 合 ，降低了运算复杂程度 ，但对图像角度变化要 求严格 ；陈剑提 出一种对称的S I F T 描述子，增 强 文章编号：1 0 0 9 0 1 3 4 ( 2 0 1 4 ) 0 1 ( 上) 一0 0 6 2 0 4 了特征向量的独特唯一性隅 ；孙农亮等人在S I F T 算 法中引入全局几何约束与唯一性约束 ，以不提高 匹配时间为前提 ，提高匹配精度 ，缺点在于阈值 的设定较为复杂。 本文在保持原算法优 良特性前提 下，降低特 征 向量维数 ，同时在匹配过程 中采用双向匹配 ， 一 定程度上提 高了匹配 的准确率 。不但缩短 了运 算时间，而且提高了匹配的精准度。 1 标准S I F T 算法简介 S I F T算法 是 目前 图像匹配 领 域性 能较 好 的 算法 ，主要思想是利用多尺度变换在尺 度空间寻 求极值 点，提取特征点的位置和方向，使 特征 向 量 对图像变换过程 中保持不变性 。主要步骤 可分 为：建立尺度空 间，检测局部极值点，为极值 点 分配方向，生成描述极值点的特征 向量 。 1 1建立尺度空间 对 于 二维 输 入 图像 I ( x ， ) ， 和高 斯 核 函数 G( x ， Y ， 0 ) 的卷积得到在不 同尺度下的尺度空 间函 数 L ( x ， Y ， ) ，如式1 所示。 L ( x ， 6 ) =G ( x ， ， 6 ) l ( x ， ) ( 1 ) 收稿日期：2 0 1 3 - 0 7 -0 4 基金项目：国家 自然科学基金项 目 ( 6 0 6 6 2 0 0 3 )；吉林省教育厅 “ 十二五”科研规划项 目 ( 2 0 1 1 1 8 0 )；吉林市科技计 划项 目 ( 2 0 1 1 6 2 5 0 5 ) 1 T者简介：侯一民 ( 1 9 7 8一)，男，副教授，博士，研究方向为模式别与智能系统、检测技术与自动化装置。 6 2 1 第3 6 卷第1 期2 0 1 4 0 1 ( 上) 学兔兔 w w w .x u e t u t u .c o m I lI8 似 G ( 2 o 2 ( 2 ) ， 二 ! ： 其中， o为尺度因子 ， 为卷积运算。 为 了有效地检 测尺 度空间关键 点的位置 ，可 以通过 以不变倍增因子 k的两个相邻尺度 图像差 计算得出高斯差分函数 D( X， Y， 0) ，见式 ( 3 )。 D( x ， Y ， o ) =( a ( x ， Y ， k o) 一 G ( x ， Y ， 6 ) I ( x ， ) = L ( x ， Y ， k o ) 一 L ( x ， Y ， o) ( 3 ) 式中( ， Y ) 表示像素点的坐标，k 表示变倍增比 例 因子，o表示高斯分布方差。 建立D0G尺度空间金字塔 ，对极值点进行检 测时 ，每一个采样点都要与同尺度中周 围8 个像素 点和上下相邻两个尺度各9 个像素点，总共2 6 个像 素 点进 行比较 ，其 中候选关键点是这2 7 个像 素点 中梯度值极大或极小 的点。检 测到 的局部极值点 位置和尺度 ，即为候选特征点 的位置和相对应 的 尺 度 。 1 2检测局部极值点 上述过程求得 的极值 点还需要通过拟和三维 二次 函数 以精确确定其位置和尺度 ( 达到亚像素 精度 )，因为DOG算子会产生较 强的边缘响应 ， 所以需要抑制低对比度的极值点和去除不稳定的 边缘响应点 。低对比度点的抑制就是除去响应值 小 于给定阈值 的点，边缘响应点的去除是将候 选 点中的大主曲率或 小主曲率的边 缘点剔除，剩 余 的极值点都有较强匹配稳定性和抗噪声能力 。 1 3为极值点分配方向 确 定极值 点位置之后 ，需要为其分配方 向， 使描述子具有旋转不变性 。我们利用极值点邻域 像素 的梯度分布特性来计算极值点 的主方 向。对 于像素点( x ， y ) ，梯度幅值和方向分别为： m ( x ， Y ) = ( ( + 1 ， ) 一 L ( x l ， ) + (三 ( ， Y + 1 ) 一 L (x ，Y 一 1 ) ( 4 ) 。 ( ) =a r c l a n L ( 川 x , y + 1 ) - L ( 卜l x , y- ， 1 ) l (5 ) 其中L 所用的尺度为每个关键点各 自所在的尺 度。 1 4 生成描述极值点的特征向量 得 到特 征 点 的尺 度 、位 置 、方 向三个 信 息 后，然后计算特征点的描述子。为了确保特征点 描述 符具 有旋转不 变性 ，需要将 坐标轴旋转为其 主方 向。然后 以特征点为 中心取1 61 6 的邻域 窗 口，再将采样窗 口分成4 4 的子 区域 ，然后在每 个4 4 子区域上计算8 个方向的梯度直方 图，并绘 制每个方 向上 的累加值 ，即形成一个种子点 。一 个特征点 由4 4 共 l 6 个种 子点组成并描述 ，并且 每个种子点包含 了8 个方向向量信息，这样对于一 个特征点就对应4 4 8 共 1 2 8 维向量的描述符。 2 S I F T 算法的改进 2 1改进S I F T 算法特征描述符 通过深入研究S I F T 算法 ，得知特征 向量描述 占据 了大部分计算时 间。在力求保持原算法优 良 特性前提下 ，尽量降低特征 向量维数 ，因此针对 普通算法形成的1 2 8 维特征向量 ，尝试进行改进。 具体做法是在原特征点1 6 1 6 邻域基础上 ，将特 征点作为中心 ，半径为R的圆划分为若干个半径不 同的 同心圆，最终将半径为R的圆区域划分成4 个 子环，如图1 所示。通过计算每个子环特征点梯度 方向的累加值来实现描述子的旋转不变性 。在每 个圆环 内统计 出8 个方 向 ( 0 。 ，4 5 。 ，9 0 。 ， 1 3 5 。 ， 1 8 0 。 ， 2 2 5 。 ， 2 7 0 。 ， 3 1 5 。 )的梯度累加值 ，这样 就形成了48 维 的特征 向量 ，简化 了算法 ，降低 了特征向量维数 ，进而缩短了运算时 间，保证 了 算法的实时性 。 图1 改进描述子邻域的划分 2 2 双 向快速的特征 匹配 S I F T 算法在特征匹配时可能产生一幅 图像的 一 个特征 点与另一幅 图像 的多个特征点相匹配的 情况 。为 了防止这种情况 的发生 ，本文采用一种 双 向匹配 的算法 ，以减 少错误匹配对 、提高匹配 的精确度 。首先提取两幅待匹配图像所有特征点 集合 ，进行第一次匹配 。在第一幅图像中的特征 点g i ，在第二幅图像找到最近邻特征点h i 和次临 近特征点h ”，若最近距离与次近距离比值小于某 个 阈值T ( 一般取0 6 - 0 8 ，本文取0 7 )，则移出 第一幅 图像中的特征点g i ，对第一幅图像的下一特 征点进行匹配 。否则进行第二次匹配 ，第二次匹 配主要是针对已找到的最近邻特征点h i ，在第一 幅图像 中找到与其匹配 的最近邻特征点g i 和次临 近特征点g j ”，如果若最近距离与次近距离比值小 第3 6 卷第1 期2 0 1 4 - 0 1 (I-) 6 3 1 学兔兔 w w w .x u e t u t u .c o m 学兔兔 w w w .x u e t u t u .c o m 从表 1 和表2 匹配结果 比较可 以看 出，本文 改 进后的S I F T 算法所得到的最终特征点匹配 对数要 比原S I F T 算法少 的多，这是 由于采用双相 匹配 ， 移除 了错误的匹配点对 的同时也 消除一部分S I F T 算法 中正确的匹配点 的缘故 。但是 ，这并不影 响 两 幅 图像 间的 匹配 ， 同时 ，降 低 了特征 向量维 数 ，改进S I F T 算法又可一定程 度提高运算速度 ， 减少匹配时间，有利于实现实时性 的目标 。 4 结束语 本文在分析原S I F T 算法和总结 国内外相关研 究的基础上 ，尝试对原算法进行改进 ，降低特征 点描述子的维数 ，再通过双相匹配后得到精确的 匹配对 。继承 了原算法的优 良特性的基础上 ，同 时减少运算时间 ，提高匹配效率 ，并且 在电力设 备图像 的识别匹配 实验中体现其 优越性 ，为准确 识别电力设 备图像 打下坚 实基础 。因此，该方法 可 以胜任针对电力设备图像的识别定任务中。 参考文献： 【 1 】龚超， 罗毅， 涂光瑜 计算机视觉技术及其在电力系统中的 应用 J 电力 系统 自动化， 2 0 0 3 ， 2 7 ( 1 ) ： 7 6 7 9 【 2 Da v i d G L o we Di s t i n c t i v e I ma g e F e a t u r e s f r o m S c a l e I n va r i a n t I nt er e s t Po i n t I n t e r na t i on a l J o ur na l o f Compu t e r Vi s i o n ， 2 0 0 4 ， 6 0 ( 2 ) ： 9 1 1 1 0 3 】Da v i d G L o w e O b j e c t R e c o g n i t i o n f r o m L o c a l S c a l e I n v a r i a n t F e a t u r e s I n t e r n a t i o n a l Co n f e r e n c e o n Co mp u t e r Vi s i o n ，Gr e e c e ， 1 9 9 9 4 赵垒， 侯振杰 一种改进的S I F T图像配准方法 J 】 计算机 工程 ，2 0 1 0 ， ( 1 2 ) ： 2 2 6 2 2 8 5 】Ke Y， S u k t h a n k ar R P c a S i f t ： a mo r e d i s t i n c t i v e r e p r e s e n t a t i o n f o r l o c a l i ma g e d e s c r i p t o r s C 】 I E E E C o mp u t e r Soci e t y Conf e r e nce on Com p ut er Vi s i on a nd Pa t t e r n Re c o g n i t i o n ， W a s h i n g t o n ， 2 0 0 4 6 】M i k Ol a j C Z Y k K， S C hmi d C A P e r f o r ma n c e e v a l u a t i o n o f l o c a l d e s c r i p t o r s ，p a t t e r n a n a l y s i s a n d Ma c h i n e I n t e l l i g e n c e 【 J 】 I EE E Tr a n s a c t i o n s ， 2 0 0 5 ， 2 7 ( 1 0 ) ： 1 6 1 5 1 6 3 0 【 7 】郑永斌， 黄 新生， 丰松江 S I F T和旋转不变 L BP 相结 合的图像匹配算法【 J 】 计算机辅助设计与 图形学学 报， 2 0 1 0 ， 2 2 ( 2 ) ： 2 8 6 2 9 2 盘出 出 I 盎 蛊 盘 盘 国 出 品岛 出 盘 盘 岛 【 上接第5 1 页】 参考文献： 【 1 】鲁守银， 马培荪， 等 高压带电作业机器人的研制 J 1 电力 系统 自动化 ， 2 0 0 3 ， 2 7 ( 1 7 ) ： 5 6 5 8 2 】GRI P S Ma n i p u l a t o r S y s t e m Ma n u a l 0 0 3 5 0 0 5 0 0 Re v 6 【 3 】梁 君， 赵 登峰 模 态分 析方 法综 述 J 现 代 制造 工 程， 2 0 0 6 ( 8 ) ： 1 3 9 1 4 1 【 4 】黄梁松， 姜如康， 姜雪梅 七 自由度机器人振动抑制的新方 法 J 自动化应用， 2 0 1 3 ( 2 ) ： 2 1 2 2 5 】Q i n g y i Me n ， G u a n g we i C h e n g Mo d a l An a l y s i s o f Ba l l Mi l l R o t a t o r B a s e d o n F E M T e c h n i q u e J Ad v a n c e d Ma t e r i a l s Re s e arc h 2 0 1 1 ： 1 4 5 1 1 4 5 6 6 】郭媛美， 岳崇， 等 基于A NS YS Wo r k b e n c h 的外圆磨床的 有限元分析及优化 J _ 机械设计与制造， 2 0 1 0 ( 1 ) ： 1 8 1 1 8 2 【 7 】程丽， 刘玉旺， 等 1 6 5 k g 焊接机器人有限元模态分析 机械设计与制造， 2 0 1 2 ( 1 ) ， 1 4 7 1 4 9 【 8 】詹峰， 郑姗姗， 李晓蕾 基于A NS YS 的煤仓清仓机器人工 作装置的有限元分析 J 煤矿机械， 2 0 1 0 ， 3 1 ( 1 ) ： 9 2 9 4 9 9 罗健康， 印波 起重机卷筒有限元分析及结构优化【 J J 机 械设 计与制造， 2 0 1 1 ( 1 1 ) ： 1 8 5 1 8 6 1 0 林 海波， 王 延兵， 张毅 基于AD AMS 机 械手的动力 学分 析 【 J J 制造业 自动化 ， 2 0 1 2 ， 3 4 ( 1 1 ) ： 8 0 8 3 第3 6 卷第1 期2 0 1 4 0 1 ( 上) 6 5 1 学兔兔 w w w .x u e t u t u .c o m