دوره 18، شماره 2 - ( 7-1400 )
جلد 18 شماره 2 صفحات 162-147 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Hossein-Nejad Z, Nasri M. Natural Image Mosaicing based on Redundant Keypoint Elimination Method in SIFT algorithm and Adaptive RANSAC method. JSDP 2021; 18 (2) :147-162
URL: http://jsdp.rcisp.ac.ir/article-1-1008-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-1008-fa.html
حسین نژاد زهرا، نصری مهدی. موزاییک تصاویر طبیعی بر اساس حذف نقاط کلیدی زائد در الگوریتم SIFT و الگوریتم RANSAC تطبیقی. پردازش علائم و داده‌ها. 1400; 18 (2) :147-162
گروه مهندسی برق، واحد خمینی‌شهر، دانشگاه آزاد اسلامی
چکیده: (1996 مشاهده)
موزاییک تصویر به ترکیب دو یا چند تصویر که قسمت‌های هم‌پوشان دارند، به تصویری بزرگ‌تر و جامع‌تر اطلاق می‌شود. تبدیل ویژگیِ مقیاس‌نابسته (SIFT) یکی از متداول‌ترینِ شناساگرها است که در‌قبل در موزاییک تصویر مورداستفاده قرارگرفته است. از ایرادهای الگوریتمSIFT کلاسیک تعداد زیاد نقاط کلیدی تکراری و زمان اجرای بالای آن به‌دلیل ابعاد بالای توصیف‌گر SIFT کلاسیک است، که باعث کاهش کارایی این الگوریتم می‌شود. در این مقاله، برای بالا‌بردن کیفیت موزاییک تصویر، از الگوریتم RKEM-SIFT که نسخه بهبودیافته SIFT است جهت شناسایی نقاط کلیدی استفاده شده و سپس، برای بهبود سرعت الگوریتم از توصیف‌گر ۶۴بُعدی SIFT استفاده شده است. پنجره کوچک‌ترِ این توصیف‌گر نسبت به توصیف‌گر ۱۲۸بُعدی SIFT باعث می‌شود دقّت تطبیق افزایش و زمان اجرا کاهش پیدا کند. در ادامه، برای حذف تطبیق‌های نادرست، از الگوریتم اجتماع نمونه تصادفی (RANSAC) استفاده شده که مقدار آستانه پیشنهادی آن به‌صورت وفقی بر اساس میانه فواصل بین نقاط تطبیق و مدل تطبیق آنها محاسبه شده است. برای هر نقطه تطبیق اگر فاصله بین آن نقطه و تطبیق‌یافته آن بر اساس مدل از مقدار آستانه پیشنهادی کمتر باشد، نقطه تطبیق درست تشخیص و حفظ و در غیر این صورت تطبیق نادرست تشخیص داده‌شده و حذف می‌شود؛ درنهایت روش جدیدی نیز در این مقاله جهت ترکیب تصویر پیشنهاد شده است. روش پیشنهادی ترکیب تصویر بر اساس تابع وزنی گوسی است که میانگین این تابع گوسی به‌صورت میانگین داده‌های محدوده مشترک و هم‌پوشان دو تصویر، در نظر گرفته شده است. در قسمت آزمایش‌ها، روش پیشنهادی موزاییک تصاویر طبیعی که شامل استفاده از الگوریتم RKEM-SIFT، RANSAC وفقی پیشنهادی و الگوریتم ترکیب تصویر پیشنهادی است، بر روی پایگاه‌های تصاویر استاندارد و همین‌طور پایگاه تصاویر ایجادشده پیاده‌سازی شده و با روشهای SURF و تطبیق دوطرفه سریع، SURF-LM و SIFT-RANSAC مورد مقایسه قرارگرفته است. نتایج آزمایش‌ها حاکی از برتری روش پیشنهادی با توجه به معیارهای خطای میانگین مربعی و دقّت دارد که نسبت به بهترین روش مقایسه‌شده (SURF و تطبیق دوطرفه سریع) کاهش 7/6 ٪ بیشینه خطا، 09/30 ٪ ریشه میانگین مربعات خطا و 68/37 ٪ میانه خطا را باعث شده است.
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش تصویر
دریافت: 1398/2/12 | پذیرش: 1399/3/12 | انتشار: 1400/7/16 | انتشار الکترونیک: 1400/7/16
دریافت: 1398/2/12 | پذیرش: 1399/3/12 | انتشار: 1400/7/16 | انتشار الکترونیک: 1400/7/16
فهرست منابع
1. [1] Z. Hossein-Nejad and M. Nasri, "RKEM: Redundant Keypoint Elimination Method in Image Registration," IET Image Processing, vol. 11, pp. 273-284, 2017. [DOI:10.1049/iet-ipr.2016.0440]
2. [2] S. Laaroussi, A. Baataoui, A. Halli, and S. J. P. C. S. Khalid, "A dynamic mosaicking method based on histogram equalization for an improved seamline," vol. 127, pp. 344-352, 2018. [DOI:10.1016/j.procs.2018.01.131]
3. [3] D. Vaghela and P. Naina, "A review of image mosaicing techniques," arXiv preprint arXiv:1405.2539, 2014.
4. [4] T. Koch, X. Zhuo, P. Reinartz, F. J. I. A. o. P. Fraundorfer, Remote Sensing, and S. I. Sciences, "A new paradigm for matching uav-and aerial images," vol. 3, pp. 83-90, 2016. [DOI:10.5194/isprs-annals-III-3-83-2016]
5. [5] A. Pandey and U. C. Pati, "Panorama Generation Using Feature-Based Mosaicing and Modified Graph-Cut Blending," in Soft Computing: Theories and Applications, ed: Springer, 2018, pp. 477-488. [DOI:10.1007/978-981-10-5687-1_43]
6. [6] U. B. Patel, H. N. J. I. J. o. E. Mewada, and I. Technology, "Review of image mosaic based on feature technique," vol. 2, 2013.
7. [7] P. M. Jain and V. K. Shandliya, "A review paper on various approaches for image mosaicing," International Journal of Computational Engineering Research, vol. 3, pp. 106-109, 2013.
8. [8] D. Bheda, M. Joshi, and V. Agrawal, "A study on features extraction techniques for image mosaicing," International Journal of Innovative Research in Computer and Communication Engineering, vol. 2, pp. 3432-3437, 2014.
9. [9] Z. Hossein-nejad and M. Nasri, "Image registration based on SIFT features and adaptive RANSAC transform," in Communication and Signal Processing (ICCSP), 2016 International Conference on, 2016, pp. 1087-1091. [DOI:10.1109/ICCSP.2016.7754318]
10. [10] ز. حسین نژاد، م. نصری "مروری بر روشهای انطباق تصویر، مفاهیم و کاربردهای آن" مجله ماشین بینایی و پردازش تصویر,. دوره5 ، شماره 2، صفحات39-67 ، 1397.
11. [10] Z. Hossein-Nejad and M. Nasri, "A Review on Image Registration Methods, Concepts and applications," Journal of Machine Vision and Image Processing, pp. 39-67, 2017.
12. [11] A. Laraqui, A. Baataoui, A. Saaidi, A. Jarrar, M. Masrar, K. J. M. T. Satori, et al., "Image mosaicing using voronoi diagram," vol. 76, pp. 8803-8829, 2017. [DOI:10.1007/s11042-016-3478-z]
13. [12] Z. Hossein-Nejad and M. Nasri, "A-RANSAC: Adaptive random sample consensus method in multimodal retinal image registration," Biomedical Signal Processing and Control, vol. 45, pp. 325-338, 2018. [DOI:10.1016/j.bspc.2018.06.002]
14. [13] ف. ظهورپرواز، ع.فاطمی زاده،ح بهنام "بهبود سرعت انطباق مبتنی بر روش برش گراف جهت انطباق غیرصلب تصاویر تشدید مغناطیسی مغز"مجله پردازش علائم و داده ها دوره 13، شماره 4، صفحات 79-92، 1395
15. [13] F. ZohourParvaz, E. Fatemizadeh, and H. Behnam, "Speed improvement in graph-cuts-based registration for non-rigid image registration of brain magnetic resonance images," Signal and Data Processing, vol. 13, pp. 79-92, 2017. [DOI:10.18869/acadpub.jsdp.13.4.79]
16. [14] ا. ترکیان، پ. معلم، " ابر تفکیک پذیری رشته تصاویر خودرو به منظور بهبود بازشناسی پلاک" پردازش و علائم داده ها ، دوره 16، شماره،2 صفحات 61-76، 1398
17. [14] A. Torkian and P. Moallem, "Multi-frame Super Resolution for Improving Vehicle Licence Plate Recognition," Signal and Data Processing, vol. 16, pp. 61-76, 2019. [DOI:10.29252/jsdp.16.2.61]
18. [15] Z. Ghassabi, J. Shanbehzadeh, A. Mohammadzadeh, and S. S. Ostadzadeh, "Colour retinal fundus image registration by selecting stable extremum points in the scale-invariant feature transform detector," IET Image Processing, vol. 9, pp. 889-900, 2015. [DOI:10.1049/iet-ipr.2014.0907]
19. [16] N. Cheng, J. Wang, A. Xu, H. Zhu, X. Wang, Y. Lan, et al., "Liver Image Mosaicing System Based on Scale Invariant Feature Transform and Point Set Matching Method," vol. 8, 2014. [DOI:10.2174/1874110X01408011247]
20. [17] S. J. I. J. o. E. Michahial and I. Technology, "Automatic Image Mosaicing Using Sift, Ransac and Homography," vol. 3, pp. 247-251, 2014.
21. [18] D. G. Lowe, "Object recognition from local scale-invariant features," in iccv, 1999, pp. 1150-1157. [DOI:10.1109/ICCV.1999.790410]
22. [19] ز.حسین نژاد ، م. نصری "روشی جدید در تناظریابی مبتنی بر روابط فضایی در تصاویر چندسنجنده سنجش از دوری," سنجش از دور و GIS ایران، دوره 9، شماره 4، صفحات 73-93 ،1396
23. [19] Z. Hossein-Nejad and M. Nasri, "A New Method in Image Matching Based on Spatial Relationships in Multi-Sensor Remote Sensing Images," Iranian Remote Sensing & GIS, pp. 73-94, 2018.
24. [20] M. Brown and D. G. J. I. j. o. c. v. Lowe, "Automatic panoramic image stitching using invariant features," vol. 74, pp. 59-73, 2007. [DOI:10.1007/s11263-006-0002-3]
25. [21] Z.-L. Yang and B.-L. Guo, "Image mosaic based on SIFT," in 2008 International Conference on Intelligent Information Hiding and Multimedia Signal Processing, 2008, pp. 1422-1425. [DOI:10.1109/IIH-MSP.2008.335] [PMID]
26. [22] J. He, Y.-s. Li, H. Lu, and Z.-m. J. O.-E. E. Ren, "Research of UAV aerial image mosaic based on SIFT," vol. 2, 2011.
27. [23] Y. Wang, J. Shen, W. Liao, and L. Zhou, "Automatic fundus images mosaic based on SIFT feature," in 2010 3rd International Congress on Image and Signal Processing, 2010, pp. 2747-2751. [DOI:10.1109/CISP.2010.5647550] [PMID]
28. [24] C. Gao, X. Zhang, Y.-L. Wang, and H. J. J. Y. J. o. C. A. Wang, "Automatic stitching approach of aerial image sequence based on SIFT features," vol. 27, pp. 2789-2792, 2007.
29. [25] L.-n. Li and N. Geng, "Algorithm for sequence image automatic mosaic based on SIFT feature," in 2010 WASE International Conference on Information Engineering, 2010, pp. 203-206.
30. [26] M. Liu and D. Wen, "Automatic seamless image mosaic method based on SIFT features," in Second International Conference on Photonics and Optical Engineering, 2017, p. 1025636. [DOI:10.1117/12.2257792]
31. [27] G. Kaur, P. J. I. J. o. S. Agrawal, and Technology, "Optimisation of image fusion using feature matching based on SIFT and RANSAC," vol. 9, pp. 1-7, 2016. [DOI:10.17485/ijst/2016/v9i47/106901]
32. [28] A. Laraqui, A. Saaidi, K. J. M. T. Satori, and Applications, "MSIP: Multi-scale image pre-processing method applied in image mosaic," vol. 77, pp. 7517-7537, 2018. [DOI:10.1007/s11042-017-4659-0]
33. [29] P. Kang and H. Ma, "An automatic airborne image mosaicing method based on the SIFT feature matching," in Multimedia Technology (ICMT), 2011 International Conference on, 2011, pp. 155-159.
34. [30] R. Monali, S. Moonka, A. Priya, and S. S. Tripathy, "Effects of noise and relative overlap on image mosaicing using SURF features," in Recent Trends in Electronics, Information & Communication Technology (RTEICT), IEEE International Conference on, 2016, pp. 773-777. [DOI:10.1109/RTEICT.2016.7807931]
35. [31] Y. Murali and M. J. I. Madanapalle, "Image mosaic using speeded up robust feature detection," vol. 1, 2012.
36. [32] G. Venugopala, G. Padmajadevi, M. J. I. J. o. R. Tech, I. T. i. Computing, and Communication, "Image stitching using speeded up robust features," vol. 3, pp. 3514-3519, 2015.
37. [33] Z. Yang, D. Shen, and P.-T. J. P. o. Yap, "Image mosaicking using SURF features of line segments," vol. 12, p. e0173627, 2017. [DOI:10.1371/journal.pone.0173627] [PMID] [PMCID]
38. [34] X.-h. Yang and M. Wang, "Seamless image stitching method based on ASIFT," Comput Eng, vol. 39, pp. 241-244, 2013.
39. [35] Z. Hossein-Nejad and M. Nasri, "Retinal Image Registration based on Auto-Adaptive SIFT and Redundant Keypoint Elimination Method," in 2019 27th Iranian Conference on Electrical Engineering (ICEE), 2019, pp. 1294-1297. [DOI:10.1109/IranianCEE.2019.8786443]
40. [36] H. Moradi-Gharghani and M. Nasri, "A new block-based copy-move forgery detection method in digital images," in 2016 International Conference on Communication and Signal Processing (ICCSP), 2016, pp. 1208-1212. [DOI:10.1109/ICCSP.2016.7754344]
41. [37] N. Y. Khan, B. McCane, and G. Wyvill, "SIFT and SURF performance evaluation against various image deformations on benchmark dataset," in 2011 International Conference on Digital Image Computing: Techniques and Applications, 2011, pp. 501-506. [DOI:10.1109/DICTA.2011.90] [PMID]
42. [38] M. A. Fischler and R. C. Bolles, "Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography," Communications of the ACM, vol. 24, pp. 381-395, 1981. [DOI:10.1145/358669.358692]
43. [39] A. Li, S. Zhou, and R. Wang, "An improved method for eliminating ghosting in image stitching," in 2017 9th International Conference on Intelligent Human-Machine Systems and Cybernetics (IHMSC), 2017, pp. 415-418. [DOI:10.1109/IHMSC.2017.205]
44. [40] F. Tian and P. Shi, "Image mosaic using orb descriptor and improved blending algorithm," in Image and Signal Processing (CISP), 2014 7th International Congress on, 2014, pp. 693-698. [DOI:10.1109/CISP.2014.7003867]
45. [41] W. Aguilar, Y. Frauel, F. Escolano, M. E. Martinez-Perez, A. Espinosa-Romero, and M. A. Lozano, "A robust graph transformation matching for non-rigid registration," Image and Vision Computing, vol. 27, pp. 897-910, 2009. [DOI:10.1016/j.imavis.2008.05.004]
46. [42] Z. Hossein-Nejad and M. Nasri, "An adaptive image registration method based on SIFT features and RANSAC transform," Computers & Electrical Engineering, vol. 62, pp. 524-537, 2017. [DOI:10.1016/j.compeleceng.2016.11.034]
47. [43] H. Tang, A. Pan, Y. Yang, K. Yang, Y. Luo, S. Zhang, et al., "Retinal image registration based on robust non-rigid point matching method," vol. 8, pp. 240-249, 2018. [DOI:10.1166/jmihi.2018.2283]
48. [44] Q. Zhang, Y. Wang, and L. Wang, "Registration of images with affine geometric distortion based on Maximally Stable Extremal Regions and phase congruency," Image and Vision Computing, vol. 36, pp. 23-39, 2015. [DOI:10.1016/j.imavis.2015.01.008]
49. [45] G.-Q. Gao, Q. Zhang, S. J. M. Zhang, and Control, "Pose detection of parallel robot based on improved RANSAC algorithm," p. 0020294019847712, 2019.
50. [46] W. Zhang, X. Li, J. Yu, M. Kumar, Y. J. E. J. o. I. Mao, and V. Processing, "Remote sensing image mosaic technology based on SURF algorithm in agriculture," vol. 2018, p. 85, 2018. [DOI:10.1186/s13640-018-0323-5]
51. [47] Y. Zhen, Z. Sun, J. Li, and Y. Peng, "An airborne remote sensing image mosaic algorithm based on feature points," in 2016 Sixth International Conference on Instrumentation & Measurement, Computer, Communication and Control (IMCCC), 2016, pp. 202-205. [DOI:10.1109/IMCCC.2016.145]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
