一种改进的SIFT图像匹配算法.pdfVIP

图形图像 文章编号：1007—1423(2015)05—0058—05 DOI：10．39696．issn．1007—1423．2015．05．013 一 种改进的SIFT图像匹配算法 林强 (四川大学计算机学院，成都 610065) 摘要 ： 针对尺度不变特征变换 (SIFT)算法的匹配结果存在错误匹配点以及冗余匹配点的问题，提出一种改进的图像匹配算 法。该算法将SIFT算子的尺度空间极值点作为初始特征点．用Harris角点检测算子对初始特征点进行筛选，选择高 对比度的点作为最终特征点。接着设置合适的欧氏距离阈值进行粗匹配。由于SIFT得到的匹配点集存在冗余与错误 匹配 ，改进的算法在匹配后再进行一次逆向匹配 ，最后，利用RANSAC算法进行纠错 ，得到正确的匹配特征点对。实 验结果表明，在图像有旋转、平移、光照等情况下，该算法稳定、可靠。 关键词 ： 图像匹配；SIFT 特征；随机抽样一致性；欧氏距离 0 引言 使用了Harris算法与RANSAC算法。实验表明，该算法 相对于SIFT 算法在速度和精确度上有了一定的提升。 图像匹配是解决很多计算机视觉问题的基础 ．包 括 目标或场景识别．目标跟踪等。图像匹配算法一般分 1 SIFT算法简介 为两种 ：一种是基于图像的某些区域的匹配算法．另一 文献[1—2]中已经描述过，sIFT 算法计算步骤包括 种则是基于图像的局部特征进行匹配的算法 四步。 图像匹配技术发展到今天 ．已经有 比较多的经典 1．1 尺度空 间极值 图像匹配算法 ，例如 SIFTB~31、SURF4[]、PCA—SIFTP3、Har． 为一幅图像建立高斯金字塔 ．在不同的尺度空间 ris同、MSER嗣。等等 。在众多经典的图像 匹配算法 中， 中检测极值点。尺度空间函数等于可变尺度的高斯函 SI丌 在基于图像局部特征的匹配算法中具有里程碑的 数G(x，y，)与输入图像 I(x，y)的卷积，公式如下： 意义 ．它是 由D．G．Lowe于 1999年提 出．并于 2004总 L(x，Y，盯)=G(，Y，-0)~I(x，Y) (1) 结发表在期刊论文上 SIFT特征点是被使用最广泛的 兴趣特征点之一 ．它已经被成功应用到各种计算机视 其中： 觉算法 ．中例如 目标检测、目标跟踪 以及大规模的图像 G(，Y，-0)= 1 e-(x2+y2)12o- (2) 检索中。尽管 SIFT 描述符对于尺度与旋转具有高度的 鲁棒性 ，但是 SIFT算法存在较高的时间复杂度 ．对时 通过建立高斯金字塔来求取特征点的位置 ．高斯 间要求很高的实时应用来说它有很多需要改进的地 金字塔是通过对输入 图像进行降采样形成的图像组。 方 对于 SI几’算法存在的问题 ．已经有很多改进的算 为了有效获取稳定的特征点位置 ．采用差分高斯金字 法 ，例如前面提到的PCA—SIFT ，还有 RIT—SIFT [8]、文 塔DoG，即： 献f91以及文献 1『o1提 出的改进算法等 。本文针对 SIFT O(x，