基于改进SIFT算法的汉字图像匹配.pdfVIP

2014年第 6期 信 息 通 信 2O14 (总第 138期) INFORMATIoN C0MMUNICAT10NS (Sum．No 138) 基于改进 SIFT算法的汉字图像匹配 姚 娜，吕海芳，陈 杰 (塔里木大学信息工程学院，新疆 阿拉尔市843300) 摘要：根据汉字图像的特点，提 出一种改进的SIFT算法。该算法将特征点算子的维数进行降低以减少计算量，并 且增加描述子的像素范围以增加匹配精度，由于汉字结构的特点，旋转会产生错误的匹配，所以取消SIFT的旋转 不变性 。实验结果表明，与标准 SIFT算法相比，改进的SIFT算法在时间上及提高文字图像匹配的准确率上都有 所提高。 关键词：匹配；汉字图像；SIFT算法 中图分类号：TP391 文献标识码：A 文章编号 ：1673．1131(2014)06．0086．02 0引言 1．1．1建立高斯金字塔 高斯卷积核是实现尺度变换的唯一变换核，并且是唯一的 汉字复原能对中华文化进行保护和传承，在复原的过程中 线性核。因此一幅二维图像的尺度空间定义为： 特征提取和特征匹配是技术基础。对于损坏的汉字，可以通过 L(x，Y，)=G ，Y，) ，Y) 对其进行特征提取，然后在图像数据库中找到相匹配的特征从 而复原出该汉字。 其中G(x，y,cr)是尺度可变高斯函数， Harris在 1988年提出了角点特征算法，该算法对图像的 G ，Y，l，-)= __P—b ) (2) 平移、旋转和噪声具有 良好的鲁棒性，但是在尺度变换角度算 Z刀j口r 法没有较好的效果。20世纪90年代，Lindeberg提出了信号的 (x，y)是空间坐标，符号+表示卷积，(x，y)代表图像的像素 尺度空间理论，由于此理论的提出，Harris—Laplacian算子、 位置，是尺度空间因子，值越小表示图像被平滑的越少，相应 Harris—Affine、SIFT算子等具有尺度不变性的一系列算法被 的尺度也就越小。大尺度对应于图像的概貌特征，小尺度对应 提出，Harris—Laplacian算子、Harris—Affine的鲁棒性较强， 于图像的细节特征。 但是算法较为复杂，SIFT相对于这两种算法计算较为简单，实 为了得到在不同尺度空间下的稳定特征点，将图像I(x，y) 时性比较强。 与不同尺度空间因子下的高斯核 G(x，y，)进行卷积操作，构成 SIFT(ScaleInvariantFeatureTransform)即尺度不变特征 高斯金字塔。 变换是一种对图像局部特征提取的算法，该算法通过在高斯差 1．1．2空间极值 点检测 分层寻找到的极值点作为关键点来提取尺度、亮度和旋转不变 为了寻找尺度空间的极值点，每一个采样点要和它所有的 量。该算法是Lowe嘲提出来的，算法对图像的噪声和线性变换 相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者 都具有很强的鲁棒性，对视角变化、仿射变换也有一定的稳定 小。图1-1为极值点的检测模型图，表现了各点之间的位置关 性，但是该算法的匹配效率低。一些学者通过降低特征向量维 系 。 数对算法进行改进，Y．Ke等 提出的PCA．SIFT方法的改进 是以降低算法的鲁棒性为代价的。如果图像的分辨率较大，则 SIFT特征提取需要遍历对比DOG(Difference．of-Gnassina)层 像素，运算量较大。SUFT。算法提 高 了特征 点的检测 速 度，GLOH 算法提高了特征描述子的特性，ASIFT算法提高了 仿射变换的稳定性