基于典型相关分析方法尺度不变特征变换误匹配剔除.docVIP

基于典型相关分析方法尺度不变特征变换误匹配剔除 　　摘要：针对尺度不变特征变换(SIFT)描述子仅利用特征点的局部邻域灰度信息而对图像内具有相似灰度分布的特征点易产生误匹配的问题，提出一种基于典型相关分析(CCA)的SIFT误匹配剔除方法。该方法首先利用SIFT算法进行匹配，得到初始匹配对; 然后根据典型相关成分的线性关系拟合直线，利用点到直线的距离剔除大部分误匹配点对; 对剩余的匹配点对，逐一分析其对典型相关成分的共线性的影响，剔除影响程度大的特征点对。实验结果表明，该方法能够在剔除误匹配的同时保留更多的正确匹配，提高了图像配准的精度。 　　关键词：误匹配;尺度不变特征变换;随机采样一致性算法;典型相关分析;图像配准 　　引言 　　图像配准是图像处理和计算机视觉中的一个基本问题，是诸如图像融合、变化检测等许多应用中的重要技术环节。基于特征的图像配准方法需要从待配准图像中提取一些共同的特征，然后建立这些特征之间的对应关系，求解变换模型参数来完成配准。所以，特征匹配是基于特征的图像配准方法中的关键步骤，匹配效果直接影响变换模型的求解。 　　现有的特征匹配方法主要包括图匹配方法[1-2]、谱方法[3-4]和基于局部描述子的方法[5-8]等。近年来，大量基于局部描述子的特征匹配算法被提出，此类方法首先对每个特征点进行描述，然后通过计算特征描述之间的相似性来判断特征点是否匹配。在现有的局部