Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ ＩＳＳＮ １０ｏ１—９０８１ ２０１６．．０７．．１０ 计算机应用，２０１６，３６（７）：１９２３—１９２６ 文章编号：１００１－９０８１（２０１６）０７—１９２３—０４ Ｃ０ＤＥＮ ＪＹＩＩＤＵ ｈｔｔｐ：／／ｗｗｗ．ｊｏｃａ．ｃａ ＤＯＩ：１０．１１７７２／ｊ．ｉｓｓｎ．１００１—９０８１．２０１６．０７．１９２３ 结合快速鲁棒性特征改进ＯＲＢ的特征点匹配算法 白雪冰 ，车进 ，牟晓凯 ，张英 （Ｉ．宁夏大学物理电气信息学院，银川７５００２１；２．宁夏沙漠信息智能感知重点实验室（宁夏大学），银川７５００２１） （ 通信作者电子邮箱ｋｏａｌａｃｈｅ＠１２６．ｔｏｍ） 摘要：针对定向二进制简单描述符（ＯＲＢ）算法不具备尺度不变性的问题，提出一种结合快速鲁棒性特征 （ＳＵＲＦ）算法和ＯＲＢ的改进算法。首先，利用Ｈｅｓｓｉａｎ矩阵检测特征点的方法，使得提取出的特征点具有尺度不变性； 然后，用ＯＲＢ生成特征描述子；接着采用 近邻算法进行粗匹配；最后，通过比率测试、对称测试、最小平方中值 （ＬＭｅｄＳ）定理进行提纯。尺度变化时，该算法比ＯＲＢ的匹配精度提高了７４．３个百分点，比ＳＵＲＦ的匹配精度提高了 ４．８个百分点；旋转变化时，该算法比ＯＲＢ的匹配精度提高了６．６个百分点；匹配时间高于ＳＵＲＦ低于ＯＲＢ。实验结 果表明，改进算法不仅保持了ＯＲＢ的旋转不变性，而且具备了尺度不变性，在不失速度的前提下，匹配精度得到较大 提高。 关键词：特征点匹配；尺度不变性；旋转不变性；比率测试；对称测试；最小平方中值定理 中图分类号：ＴＰ３９１．９ 文献标志码：Ａ Ｉｍｐｒｏｖｅｄ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｍａｔｃｈｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｓｐｅｅｄ．ｕｐ ｒｏｂｕｓｔ ｆｅａｔｕｒｅ ａｎｄ ｏｒｉｅｎｔｅｄ ｆａｓｔ ａｎｄ ｒｏｔａｔｅｄ ｂｒｉｅｆ ＢＡＩ Ｘｕｅｂｉｎｇ 一，ＣＨＥ Ｊｉｎ ， ，ＭＵ Ｘｉａｏｋａｉ 一，ＺＨＡＮＧ Ｙｉｎｇ ’。 ｆ １．Ｓｃｈｏｏｌ ｏｆＰｈｙｓｉｃｓ＆Ｅｌｅｃｔｒｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎｉｎｇｘｉａ Ｕｎｉｖｅｒｓｉｔｙ，Ｙｉｎｃｈｕａｎ Ｎｉｎｇｘｉａ ７５００２１，Ｃｈｉｎａ； ２．Ｎｉｎｇｘｉａ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＩｎｔｅｌｌｉｇｅｎｔ Ｓｅｎｓｉｎｇｆｏｒ Ｄｅｓｅｒｔ Ｉｎｆｏｒｍａｔｉｏｎ（Ｎｉｎｇｘｉａ Ｕｎｉｖｅｒｓｉｔｙ），Ｙｉｎｃｈｕａｎ Ｎｉｎｇｘｉａ ７５００２１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｏｃｕｓｉｎｇ ｏｎ ｔｈｅ ｉｓｓｕｅ ｔｈａｔ ｔｈｅ Ｏｒｉｅｎｔｅｄ ｆａｓｔ ａｎｄ Ｒｏｔａｔｅｄ Ｂｒｉｅｆ（ＯＲＢ）ａｌｇｏｒｉｔｈｍ ｄｏｅｓ ｎｏｔ ｈａｖｅ ｓｃａｌｅ ｉｎｖａｒｉａｎｃｅ，ａｎ ｉｍｐｒｏｖｅｄ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ Ｓｐｅｅｄ—Ｕｐ Ｒｏｂｕｓｔ Ｆｅａｔｕｒｅ（ＳＵＲＦ）ａｎｄ ＯＲＢ ｗａｓ ｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔ，ｔｈｅ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｗｅｒｅ ｄｅｔｅｃｔｅｄ ｂｙ Ｈｅｓｓｉａｎ ｍａｔｒｉｘ，ｗｈｉｃｈ ｍａｄｅ ｔｈｅ ｅｘｔｒａｃｔｅｄ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｈａｖｅ ｓｃａｌｅ ｉｎｖａｒｉａｎｅｅ．Ｓｅｃｏｎｄ，ｔｈｅ ｆｅａｔｕｒｅ ｄｅｓｃｒｉｐｔｏｒｓ ｗｅｒｅ ｇｅｎｅｒａｔｅｄ ｂｙ ｔｈｅ ＯＲＢ．Ｔｈｅｎ ｔｈｅ Ｋ－ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ａｌｇｏｒｉｔｈｍ ｗａｓ ｕｓｅｄ ｆｏｒ ｒｏｕｇｈ ｍａｔｃｈｉｎｇ．Ｆｉｎａｌｌｙ，ｔｈｅ ｒａｔｉｏ ｔｅｓｔ，ｓｙｍｍｅｔｒｙ ｔｅｓｔ，ｔｈｅ Ｌｅａｓｔ Ｍｅｄｉａｎ Ｓｑｕａｒｅｓ（ＬＭｅｄＳ）ｔｈｅｏｒｅｍ ｗａｓ ｕｓｅｄ ｆｏｒ ｐｕｒｉｆｉｃａｔｉｏｎ．Ｗｈｅｎ ｔｈｅ ｓｃａｌｅ ｃｈａｎｇｅｄ，ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ’Ｓ ｍａｔｃｈｉｎｇ ｐｒｅｃｉｓｉｏｎ ｗａｓ ｉｍｐｒｏｖｅｄ ｂｙ ７４．３ ｐｅｒｃｅｎｔａｇｅ ｐｏｉｎｔｓ ｔｈａｎ ｔｈｅ ＯＲＢ ａｎｄ ｍａｔｃｈｉｎｇ ｐｒｅｃｉｓｉｏｎ ｗａｓ ｉｍｐｒｏｖｅｄ ｂｙ ４．８ ｐｅｒｃｅｎｔａｇｅ ｐｏｉｎｔｓ ｔｈａｎ ｔｈｅ ＳＵＲＦ．Ｗｈｅｎ ｔｈｅ ｒｏｔａｔｉｏｎ ｃｈａｎｇｅｄ，ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ’Ｓ ｍａｔｃｈｉｎｇ ｐｒｅｃｉｓｉｏｎ ｗａｓ ｉｍｐｒｏｖｅｄ ｂｙ ６．６ ｐｅｒｃｅｎｔａｇｅ ｐｏｉｎｔｓ ｔｈａｎ ｔｈｅ ＯＲＢ．Ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ’Ｓ ｍａｔｃｈｉｎｇ ｔｉｍｅ ｗａｓ ａｂｏｖｅ ｔｈｅ ＳＵＲＦ，ｂｅｌｏｗ ｔｈｅ ＯＲＢ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｉｍｐｒｏｖｅｄ ａｌｇｏｒｉｔｈｍ ｎｏｔ ｏｎｌｙ ｋｅｅｐｓ ｔｈｅ ｒｏｔａｔｉｏｎ ｉｎｖａｒｉａｎｃｅ ｏｆ ＯＲＢ，ｂｕｔ ａｌｓｏ ｈａｓ ｔｈｅ ｓｃａｌｅ ｉｎｖａｒｉａｎｃｅ，ａｎｄ ｔｈｅ ｍａｔｃｈｉｎｇ ａｃｃｕｒａｃｙ ｉｓ ｉｍｐｒｏｖｅｄ ｇｒｅａｔｌｙ ｗｉｔｈｏｕｔ ｄｅｃｒｅａｓｉｎｇ ｔｈｅ ｓｐｅｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｆｅａｔｕｒｅ ｐｏｉｎｔ ｍａｔｃｈｉｎｇ；ｓｃａｌｅ ｉｎｖａｒｉａｎｃｅ；ｒｏｔａｔｉｏｎ ｉｎｖａｒｉａｎｃｅ；ｒａｔｉｏ ｔｅｓｔ；ｓｙｍｍｅｔｙ ｔｅｓｔ；Ｌｅａｓｔｒ Ｍｅｄｉａｎ Ｓｑｕａｒｅｓ（ＬＭｅｄＳ）ｔｈｅｏｒｅｍ ０ 引言 图像特征点匹配是计算机视觉的关键技术之一，广泛应 用于三维重建、图像拼接、目标识别等领域 。Ｌｏｗｅ 于 ２００４年正式提出了尺度不变特征变换（Ｓｃａｌｅ Ｉｎｖａｒｉａｎｔ Ｆｅａｔｕｒｅ 描述符（Ｏｒｉｅｎｔｅｄ ｆａｓｔ ａｎｄ Ｒｏｔａｔｅｄ Ｂｒｉｅｆ，ＯＲＢ）算法，其计算速 度比ＳＵＲＦ快一个数量级，比ＳＩＴ快两个数量级，匹配性能 Ｆ也不逊于ＳＵＲＦ和ＳＩ兀。 ＯＲＢ是一种局部不变特征描述子，对图像的平移、旋转 Ｔｒａｎｓｆｏｒｍ，ＳＩＦＴ）算法，其独特性好，信息量丰富；但该算法的 计算量大、匹配速度较慢。此后，Ｂａｙ等。。 于２００６年提出了 快速鲁棒性特征（Ｓｐｅｅｄｅｄ Ｕｐ Ｒｏｂｕｓｔ Ｆｅａｔｕｒｅ，ＳＵＲＦ）算法，不 仅简化了ＳＩＦＴ算法，而且在重复性、独特性和鲁棒性三个方 具有不变性；但却并不具备尺度不变性 。文献［１０］利用 ＯＲＢ进行匹配时，采用改进的随机采样一致性（ＲＡＮｄｏｍ Ｓａｍｐｌｅ Ｃｏｎｓｅｎｓｕｓ，ＲＡＮＳＡＣ）进行提纯，使得匹配精度得到了 提高；文献［１１］同样在运用ＯＲＢ匹配时，结合随机采样一致 性方法，剔除错误匹配，并利用最小二乘估计变换参数，对图 面均超过或接近ＳＩＴ算法，Ｆ计算速度也显著提高。随着计算 机视觉技术的发展对特征点匹配精度和速度的要求越来越 高，Ｒｏｂｌｅｅ等 在２０１１年的计算机视觉国际会议（Ｉｎｔｅｍａｔｉｏｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ，ＩＣＣＶ）提出了定向二进制简单 像进行矫正；文献［１２］结合ＳＩＦＴ的算法思想对ＯＲＢ进行改 进，实现了尺度不变性。以上研究解决了一些问题，但是在使 用ＲＡＮＳＡＣ算法中，判定内外点距离阈值、随机抽样本集的 次数和一致性集合的大小这３个参数需要根据不同的图像设 收稿日期：２０１５—１２－１０；修回日期：２０１６—０３—１８。 基金项目：国家自然科学基金资助项目（６１１６２０２０）。 作者简介：白雪冰（１９９１一），男，河南焦作人，硕士研究生，主要研究方向：信号和图像处理、模式识别；车进（１９７３一），男，陕西合阳人，教 授，博士，主要研究方向：图像处理、智能视频； 牟晓凯（１９９Ｏ一），男，山东潍坊人，硕士研究生，主要研究方向：模式识别、图像处理； 张英 （１９８９一），女，重庆潼南人，硕士研究生，主要研究方向：信号和图像处理、模式识别。 ｌ９２６ 计算机应用 第３６卷 表２图像旋转时匹配精度对比 别 匹配精度／％ 本文算法 ＯＲＢ ３．３ 匹配时间对比实验 为ｒ验证本文算法的实时性。随机统计实验中的５组匹 时ｌ１ｊＪ数据，如表３所示 表３匹配时间对比 从表３¨ｒ以 ｍ，本义算法的平均匹配时间约为 １８０．３ ｍｓ，比ＯＲＢ的平均匹配时间慢了约ｌ５４．８ ｉｌｌｓ；但却比 ＳＵＲＦ快厂约１Ｏ０．６ ｍｓ，说明＿ｒ奉文算法在实时性方面同样具 有良好性能，但是提纯算法会耗费一点时问，使得匹配速度比 ＯＲＢ略慢 、从以上实验可以看出，本文算法具备了尺度不变 性和旋转不变性， 配精度得到进一步提高，满足实时性需 求，仃一定的实 性。 ４ 结语 本文提 ｒ一一种结合ＳＵＲＦ和ＯＲＢ的算法，该算法克服 了ＯＲＢ 具备尺度不变性的缺陷，并采用比率测试、对称测 试、最小平方中值定理进一步提纯，通过实验验证了算法的通 用性以及在 精度方面的优越性能。由于ＯＲＢ计算速度 本身就很快，同时ＳＵＲＦ提取特征点也比较快，使得匹配点经 过提纯后，计算速度也基本能满足实时性的需求，但其速度不 如ＯＲＢ，这也是接下来要进…步研究的地方。 参考文献： 【１ １ 朱琳，ｔ ，刘湫厶，等．螭于改进快速鲁棒特征的图像快速拼接 算法ｌ Ｊ Ｉ．计算饥应用，２０１４，３４（１０）：２９４４—２９４７．（ＺＨＵ Ｌ， ＷＡＮＧ Ｙ，ＬＩＵ Ｓ Ｙ，ｅｔ ａ１．Ｆａｓｔ ｉｍａｇｅ ｍｏｓａｉｃ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ Ｏｌｌ ｉｍｐｒｏｖｅｄ ｆａｓｔ ｒｏｂｕｓｔ ｆｅａｔｕｒｅ【ＪＪ．Ｊｏｕｍａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ， ２Ｏｌ４ ３４（１０１：２９４４—２９４７．１ ｆ２】 刘海燕，杨吕玉，刘存玲，等．基于梯度特征和颜色特征的运动目 杯跟踪算法Ｉ ｊ】计算机 用，２０１２，３２（５）：１２６５～１２６８．（ＬＩＵ Ｈ Ｙ．ＹＡＮＧ Ｃ Ｙ．ＬＩＵ Ｃ Ｌ．ｅｔ ａ１．Ｍｏｖｉｎｇ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｇｒａｄｉｅｎｔ ｆｅａｔｕｒｅ ａｎｄ ｃｏｌｏｒ ｆｅａｔｕｒｅ［Ｊ】．Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｍｔｓ，２０１２，３２（５）：１２６５—１２６８．） Ｉ ３ｌ 侯毅 周石琳，宙琳，等．基于ＯＲＢ的快速完全仿射不变图像匹 配ｌ ＪＩ．汁算机工 科学，２０１４，３６（２）：３０３—３１０．（ＨＯＵ Ｙ， ＺＨＯＵ Ｓ ｌ ．１＿ＥＩ Ｉ ．ｃｔ ａ１．Ｆａｓｔ ｔｕｌｌｙ ａｆｆｉｎｅ ｉｎｖａｒｉａｎｔ ｉｍａｇｅ ｍａｔｃｈｉｎｇ ｂａｓｅｄ ｏｎ ＯＲＢ【Ｊ】Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ＆Ｓｃｉｅｎｃｅ，２０１４，３６ （２１：３０３—３１０．１ 【４Ｉ 童 ，桨ｒ１必．魑于特征匹配的全景图的生成【Ｊ］．华中科技大学 学报（『ｊ然科学版） ２００４，３２（Ｓ１）：７７—７９．（ＴＯＮＧ Ｙ ＣＡＩ Ｚ Ｘ． Ｇｅｎｅｒａｔｉｏｎ ｏｆ ｐａｔｉｏｒａｍｉｃ ｉｍａｇｅ ｂａｓｅｄ ｏｎ ｆｅａｔｕｒｅ ｍａｔｃｈｉｎｇ【Ｊ Ｊ．Ｊｏｕｒ— ｎａｌ ｏｆ Ｈｕａｚｈｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ（Ｎａｔｕｒｅ Ｓｃｉ· ｏｎｃｅ Ｅｄｉｔｉｏｎ），２００４，３２（Ｓ１）：７７—７９．） ｌ５ ｌ ＬＯＷＥ Ｄ Ｇ．Ｏｂｊｅｃｔ ｒｅｃｏｇｎｉｔｉｏｎ ｆｒｏｍ ｌｏｃａｌ ｓｃａｌｅ ｉｎｖａｒｉａｎｔ ｔ）ａｔｕｒｅｓ ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １ ９９９ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ．Ｐｉｓｃａｔａｗａｙ，ＮＪ：ＩＥＥＥ，１９９９：１ １ ５０—１ １５７． ［６ｌ ＢＡＹ Ｈ，ＥＳＳ Ａ ＴＵＹＴＥＬＡＡＲＳ Ｔ，ｅｔ ａ１．ＳＵＲＦ：ｓｐｅｅｄｅｄ ｕｐ ｒｏ— ｂｕｓｔ ｆｅａｔｕｒｅ［Ｊ１．Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｉｍａｇｅ Ｕｎｄｍ，＇ｓｔａｎｄｉｎｇ，２００８， １１０（３）：３４６—３５９． １ ７】 ＲＵＢＬＥＥ Ｅ，ＲＡＢＡＵＤ Ｖ，ＫＯＮＯ１ １ＧＥ Ｋ，ｅｔ ａ１．ＯＲＢ：ａｎ ｅｆｆｉｃｉｅｎｔ ａｌｔｅｒｎａｔｉｖｅ ｔｏ ＳＩＦＴ ｏｒ ＳＵＲＦ【Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２０１ １ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｅｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ．Ｐｉｓｃａｔａｗａｙ，ＮＪ： ＩＥＥＥ，２０１１：２５６４—２５７１． ｆ ８］ 刘铭．基于ＯＲＢ算法的双目 觉测量与跟踪研究Ｉ Ｄ Ｊ．哈尔滨： 哈尔滨工业大学，２０１４：２５．（ＬＩＵ Ｍ Ｂｉｎｏｃｕｌａｒ ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ ｍｅａｓｕｒｅｍｅｎｔ ａｎｄ ｔｒａｃｋｉｎｇ ｒｅｓｅａｒｃｈ ｂａｓｅｄ ｏｎ ｔｈｅ（）ｌｉｂ ａｌｇｏｒｉｔｈｍ ｆ Ｄ】．Ｈａｒｂｉｎ：Ｈａｒｂｉｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，２０１４：２５．） 【９］ 孟凡清．基于背景差分法 ＯＲＢ算法的运动目标检ｊ！Ｉ！ＩＩ上ｊ跟踪算 法研究【Ｄ】．北京：北京印刷学院，２０１４：３０—３３．（ＭＥＮＧ Ｆ Ｑ Ｓｔｕｄｙ ｏｎ ｔｈｅ ｍｏｖｉｎｇ ｏｂｊｅｃｔ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ｂａｓｅｄ ｏｎ ｂａｃｋ－ ｇｒｏｕｎｄ ｓｕｂｔｒａｃｔｉｏｎ ａｎｄ ＯＲＢ ａｌｇｏｒｉｔｈｍ【Ｄ】．Ｂｅｉｊｉｎｇ：Ｂｅｉｊｉｎｇ Ｐｒｉｎｔ— ｉｎｇ Ｉｎｓｔｉｔｕｔｅ，２０１４：３０—３３．） ［１０】 余建国，徐仁桐，陈宁．基于ＯＲＢ和改进ＲＡＮＳＡＣ弹法的图像 拼接技术［Ｊ】．江苏科技大学学报（自然科学版），２０１５，２９（２）： １６４—１ ６９．（ＹＵ Ｊ Ｇ，ＸＵ Ｒ ｒｒ，ＣＨＥＮ Ｎ．Ｉｍａｇｅ ｓｔｉｔｃｈｉｎｇ ｔｅｃｈｎｏｌｏ— ｇＹ ｂａｓｅｄ ｏｎ ＯＲＢ ａｎｄ ｉｍｐｒｏｖｅｄ ＲＡＮＳＡＣ ａｌｇｏｔｉｔｈｍ［Ｊ Ｊ．Ｊｏｕｒｎａｌ ｏｆ Ｊｉａｎｇｓｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ（Ｎａｔｔｌｒｅ Ｓｃｉｅｎｃｅ Ｅｄｉ－ ｔｉｏｎ），２０１５，２９（２）：１６４—１６９．） ｝Ｉ １１ 张云生，邹峥嵘．基于改进ＯＲＢ算法的遥感图像“动 准方法 ［Ｊ］．国土资源遥感，２０１３，２５（３）：２０—２４．（ＺＨＡＮＧ Ｙ Ｓ，ＺＯＵ Ｚ Ｒ．Ａｕｔｏｍａｔｉｃ ｒｅｇｉｓｔｒａｔｉｏｎ ｍｅｔｈｏｄ ｆｏｒ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅｓ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ ＯＲＢ ａｌｇｏｒｉｔｈｍ［Ｊ】．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｆｍ Ｌａｎｄ ａｎｄ Ｒｅ— ｓｏｕｒｃｅｓ，２０１３，２５（３）：２０—２４．） ［１２１ 许宏科，秦严严，陈会茹．基于改进ＯＲＢ的图像特征点匹配 【Ｊ】．科学技术 工程，２０１４，１４（１８）：１０５—１０９．（ＸＵ Ｈ Ｋ ＱＩＮ Ｙ Ｙ．ＣＨＥＮ Ｈ Ｒ．Ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｍａｔｃｈｉｎｇ ｉｎ ｉｕｔａｇｅｓ ｂａｓｅｄ ｏｎ ｉｍ— ｐｒｏｖｅｄ ＯＲＢ［Ｊ１．Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，２０１４，１ ４ （１８）：１０５—１０９．） 【１ ３］ ＲＯＳＴＥＮ Ｅ，ＤＲＵＭＭＯＮＤ Ｔ．Ｆｕｓｉｎｇ ｐｏｉｎｔｓ ａｎｄ ｌｉｎｅｓ ｔｏｒ ｈｉｇｈ ｐｅｒ— ｆｏｒｍａｎｃｅ ｔｒａｃｋｉｎｇ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２００５ ＩＥＥＥ ｌｎｔｅｒｎａ— ｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ．Ｐｉｓｃａｔａｗａｙ，ＮＪ：ＩＥＥＥ， ２００５：１５０８—１５１５． ｆ】４ Ｊ ＲＯＳＴＥＮ Ｅ，ＤＲＵＭＭＯＮＤ Ｔ．Ｍａｃｈｉｎｅ ｌｅａｎｒｉｎｇ ｔｏｔ ｈｉｇｈ ｓｐｅｅｄ ｃｏｍｅｒ ｄｅｔｅｃｔｉｏｎ【Ｃ］／／ＥＣＣＶ’０６：Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ９ｔｈ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ ２００６１ ４３０—４４３ Ｉ １ ５］ ＣＡＬＯＮＤＥＲ Ｍ，ＬＥＰＥＴＩＴ Ｖ，ＳＴＲＥＣＨＡ Ｃ ｃｔ ａ１．ＢＲＩＥＦ’：ｂｉｎａｒｙ ｒｏｂｕｓｔ ｉｎｄｅｐｅｎｄｅｎｔ ｅｌｅｍｅｎｔａｒｙ ｆｅａｔｕｒｅｓ【Ｃ】／／ＥＣＣＶ’１０：Ｐｒｎｃｅｅｄ— ｉｎｇｓ ｏｆ ｔｈｅ ｌ ｌ ｔｈ Ｅｕｒｏｐｅａｎ Ｃｏｎｔｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ Ｂｅｒｌｉｎ： Ｓｐｒｉｎｇｅｒ，２０１０：７７８—７９２． Ｂａｃｋｇｒｏｕｎｄ Ｔｈｉｓ ｗｏｒｋ ｉｓ ｐａｒｔｉａｌｌｙ ｓｕｐｐｏｒｔｅｄ ｂｙ ｔｈｅ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｉ：ｏｕｎ— ｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ（６１ １６２０２０）． ＢＡＩ Ｘｕｅｂｉｎｇ，ｂｏｎａ ｉｎ １９９１，Ｍ．Ｓ．ｃａｎｄｉｄａｔｅ．Ｈｉｓ ｒｅｓｅａｒｃｈ ｉｎｔｅｒ— ｅｓｔｓ ｉｎｃｌｕｄｅ ｓｉｇｎａｌ ａｎｄ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ，ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ． ＣＨＥ Ｊｉｎ，ｂｏｒｎ ｉｎ １９７３，Ｐｈ．Ｄ．，ｐｒｏｆｅｓｓｏｒ．１ｆｉｓ ｒｅｓｅａｒｃｈ Ｊｕｔｃｒｅｓｔｓ ｉｎｃｌｕｄｅ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ，ｉｎｔｅｌｌｉｇｅｎｔ ｖｉｄｅｏ． ＭＵ Ｘｉａｏｋａｉ．ｂｏｒｎ ｉｎ １９９０．Ｍ．Ｓ．ｃａｎｄｉｄａｔｅ．１４ｉｓ ｒｅｓｅａｎ：ｈ ｉｕｌｅｒｅｓｔｓ ｉｎｃｌｕｄｅ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ，ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ． ＺＨＡＮＧ Ｙｉｎｇ，ｂｏｒｎ ｉｎ １９８９，Ｍ．Ｓ．ｃａｎｄｉｄａｔｅ．Ｈｅｒ ｒｅｓｅａｒｃｈ ｉｎｔｅｒ— ｅｓｔｓ ｉｎｃ｜ｕｄｅ ｓｉｇｎａｌ ａｎｄ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ，ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ．