SIFT算法图像自适应优化.pdfVIP

第3l卷第5期 杭州电子科技大学学报 懈．31．No．5 2011年lO月 Journal0Hms‘Im Oct．20儿 Dian五Univenity SIFT算法图像自适应优化 汪丽华1，汪道寅2，王泽梁3 (1．黄山学院信息工程学院，安徽黄山245041； 2．中国科学技术大学电子工程与信息科学系，安徽舍肥，230027； 3．合肥工业大学计算机与信息学院，安徽合肥230009) 摘要：针对尺度不变特征变换算法特征匹配时设置不变的欧氏距离比配准区间。该文提出根据图 像自动调整配准参数的方法，以斐波那契数列项为长度分块，块内随机摆动探测，能够寻找到适应 图像的距离比区间参数，同时运算区增加有限。实验表明，采用寻优方法在能够较快的找到最优 配准区间参数。 关键司：尺度不变特征；斐波那契数列分块；随机摆动探测；图像自适应 中图分类号：TN391．9 文献标识码：A 文章编号：1001—9146《2011)05一0175—04 0 引 言 Feature 尺度不变特征变换(Scale-Invariant Transform，swr)算法具有尺度、旋转、仿射和光照等不变 性的特征¨1。该算法主要包含两个阶段：一是SIFT特征生成，即从待配准图像中提取对尺度缩放、旋 filter， moment invarianta等数10种特征描述后指出[2J，SIFT是目前最为有效地特征检测算子。SllVl算法因其 ASIFT算法bo等。本文通过对SIlT算法配准过程进行研究，针对其未根据图像调整配准区间的不足实 现了图像自适应的配准区间参数优化方法，实验表明优化更有效的实现了图像配准。 1 SIIiT算法简介 二维图像在计算机中可以表示为二维灰度矩阵，从不同的距离观察同一场景则得到该场景的不同 尺度下的图像，构成了图像金字塔，即该场景的尺度空间表示。 1．1图像特征点确定 图像金字塔可以用图像和可变高斯核函数的卷积表示。Lowe利用归一化拉普拉斯近似，对图像金 字塔相邻层求差，构造出差分高斯金字塔，其表示如下： (1) -’oU 子k满足k=2¨‘。通过求D(x，Y，叮)在尺度空间中的极值点求得候选特征点，然后通过它的曲率与幅 收稿日期：201l—cr7—20 基金项目：黄山学院自然科学资助项目(xI【jolo) 作者简介：汪丽华(1983一)，女，安徽枞阳人，助教，智能控制 176 杭州电子科技大学学报 2011年 值来过滤低对比度点和边缘响应点，以达到更稳定的匹配。 用梯度方向直方图来统计邻域象素的梯度方向。在0—3600的梯度方向中，每100表示为一个柱， 直方图的峰值便是该特征点主方向。 1．2特征描述符形成 X 在以特征点为中心的1616的象素区域中(不含特征点所在行、列)，利用高斯加权法统计每个4 x4的小块的8个方向的梯度方向直方图的累加值，构成16×16／4x4=16个种子点。特征描述符由 所有小块的梯度方向直方图构成。因此，最终形成8×16=128维的SIFT特征向量。 1．3特征点匹配 当最近邻和次近邻之间的欧氏距离的比值ID．一D。I／ID．一D。I满足一定区间范围要求时，此时的 最近邻欧氏距离所对应的特征点是匹配特征点。因此可通过计算特征描述符之间的欧氏距离大小来确 定2个