基于SIFT,PCA-SIFT和SURF特征检测方法的研究.pdfVIP

第 11卷 第 3期 太 原 师 范 学 院 学 报 (自然科学版) Vo1．11 No．3 2012年 9月 JOURNALOFTAIYUAN NORMALUNIVERSITY(NaturalScienceEdition) Sept．2012 基于 SIFT，PCA—SIFT和 SURF 特征检测方法的研究 李宏荣 李晓明 (山西大学 数学科学学院，山西 太原 030006) (摘 要] 文章 对 SIFT，PCA—SIFT和 SURF三种 鲁棒 性 较 强的特征 检 测 方 法作 对 比．文 中运 用 KNN (K—NearestNeighbor)和 RANSAC 的方 法 对这 三 种 方 法进 行 分 析 ．其 中 KNN 用 于 寻 求 匹配对 ，RANSAC用于从 匹配 对 中剔除错误 匹配 ．特征 检 测性 能的鲁棒 性 主要是 对 图像旋 转 、图像 模糊 、光 照 变化 、尺度 变化 下 的 图像进 行 测试 ．在 各种 图像 变换 中 SIFT都 体 现 出了稳 定性 ，但 计 算 速度 相 对 比较 慢．sURF不仅 与 SIFT 的性 能相 一致 ，而且还 拥有 较 快 的计 算 速度 ．PCA-SIFT 在 图像 旋 转和 光照 变化 中有较好 的性 能． [关 键词] SIFT；PCA-SIFT；SURF；特征检 测 (文章编 号]2012)03—0074—03 (中图分类 号] TP391 [文献标 识 码] A IJ 引 置 Lowe在2004年提出了SIFT从图像 中提取对尺度和旋转保持不变的特征，自从SIFT提出后就引起了 许多学者的关注 ，此后这种方法被广泛应用于基于 3D 目标检索跟踪I】]、目标识别 ¨2]、纹理识别、宽基线图像 匹配 和图像特征匹配㈨中．之后Ke和 Sukthankar不直接计算梯度直方 图，而是通过PCA将维数降低 ，也 得到了较强的鲁棒性 ，但这种提取稳定性特征 的方法计算速度仍然 比较慢．Bay和 Tuytelaars提 出的快速 稳定特征是运用图像卷积和 fast—Hessian检测特征点． 目前流行的特征检测方法还有许多：角点检测、Harris—Iaplace，Hessian—Laplace等．本文运用到的三 种特征检测方法主要是对图像变换具有旋转不变性和尺度不变性．为了进行 比较 ，运用同种 KNN和 RAN— SAN方法进行比较． 1 特征检测方法 1．1 SIFTE特征检测 1)尺度空间极值点检测 ，它是采用层叠式滤波的方法 ，运用带有不同d的高斯函数对图像进行处理 ，图 像尺度空间定义为 ： D (x，Y，口)一 (G( ，Y，lea)一G (x，Y，))* (Iz，．y)一 L(x， ， )一 L(x，Y，)． 2)关键点定位，检测到的极值点作为侯选点，对位置、尺度、弯 曲度等做拟合 ，剔除那些低对 比度和定位 差的边缘附近的点，同时对尺度空间函数 D(x，Y，)运用 Taylor展式得到关键点，计算二阶 Hessian矩阵 得出主曲率． 3)设定主方向并建立描述子 ，以特征点为中心的 16*16邻域分成 4*4的格子 ，通过高斯加权将方向归 人包含 8个 bin的梯度方向直方图中，最后得到4*4*8的128维描述子． 1．2 PCA—SIFT 特征检测 PCA(主成分分析)是一种标准的降维技术，已经被广泛应用到计算机视觉中，它能使检测到的特征从高 维降低到低维特征空间．也就是说，PCA—SIFT不是采用梯度直方图而是运用主成分分析法将梯度面片归一 收稿Et期 ：2012—0617 作者简介 ：李宏荣(1988一)，女，山西朔州人，山西大学数学科学学院在读硕士研究生，主要从事计算机视觉研究 76 太 原 师 范 学 院 学 报 (自然科学版) 第 11卷