织物纹样特征提取与匹配方法比较

针对织物纹样自动识别过程中因尺度、旋转和褶皱等因素引起图像差异的问题,探索了复杂纹样特征的准确提取与匹配方法。以江崖海水纹样为例,采集尺度、旋转、模糊、光照、褶皱5种变化下的织物纹样图像,分别运用尺度不变特征变换(SIFT)、快速鲁棒性尺度不变特征(SURF)、二进制鲁棒不变可扩展关键点(BRISK)3种方法提取纹样局部特征,然后采用欧氏距离进行特征匹配计算,最后通过随机抽样一致算法剔除误匹配对。结果表明:采用BRISK算法的准确配对率最高,平均准确匹配率达87.10%;褶皱对织物特征匹配的影响最大,该变化下BRISK算法的鲁棒性优于SIFT和SURF算法;BRISK算法速度最快,图像平均匹配时间0.551 s;在织物纹样特征匹配中,BRISK算法比SIFT和SURF算法具有更好的适用性。