基于颜色直方图SIFT算法改进.docVIP

基于颜色直方图SIFT算法改进 　　摘 要： 尺度不变特征变换（SIFT）图像匹配算法是基于灰度运算的， 对于灰度上相近而在色彩信息上有差别的图像，SIFT算法往往产生误匹配，导致SIFT算法匹配率降低.。针对这个问题，结合图像颜色信息，采用颜色直方图方法对SIFT算法进行了改进。实验结果表明，改进算法可以有效区分灰度相近而色彩不同的图像。 　　关键词： 尺度不变特征变换（SIFT）； 图像匹配； 颜色直方图 　　中图分类号： TP39141 文献标识码： A 文章编号：2095-2163（2013）03-0025-03 　　An Improved Method of SIFT Algorithm based on Color Histogram 　　LI Haiyang， WEN Yongge 　　（College of Math Computer Science， Mianyang Normal University， Mianyang Sichuan 621000，China） 　　Abstract： The SIFT algorithm is based on gray-scale computing. For those images similar in gray scale but different in color， using SIFT algorithm will produce high mismatches rate. To solve this problem， the methods described by image color feature are used to improve the accuracy of local feature in this study. Experimental results show that the improved algorithm can effectively distinguish between similar gray-scale and different color image. 　　Key words： Scale Invariant Feature Transform （SIFT）； Image Matching； Color Histogram 　　0 引 言 　　图像匹配是计算机视觉的一个重要问题，在图像识别、图像拼接、图像恢复等领域发挥着重要而有效的技术基础的现实作用。基于图像特征点的匹配是目前研究的主流方向。常用的特征点检测方法是直接提取角点或边缘，如Harris[1]角点检测。但是，这类算法对环境的适应能力较差，对于不同尺度的图像， 往往无法建立相应的特征点对应关系。文献[2]中提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的局部特征描述算子-SIFT。文献[3]通过实验证明了SIFT算法对光照变化、几何变形、分辨率差异、旋转具有一定不变性，是性能表现最佳的算法之一。 　　然而，SIFT算法仍存在一些问题。由于采用灰度来运算， 对于那些在灰度上相近而色彩信息不同的图像易产生误匹配，导致SIFT算法匹配率也随之降低。本文在SIFT算法基础上，结合图像彩色信息特征，对SIFT匹配算法进行改进，可以有效区分灰???上相近而色彩信息不同的图像，进而提高SIFT算法匹配率。 　　1 SIFT算法简介 　　1.1 SIFT算法原理与步骤 　　SIFT算法是一种提取局部特征的算法，其基本原理是在各个不同尺度的特征点比较中得到极值点，形成局部特征描述子，然后通过特征点的两两比较找出相互匹配的若干对特征点，从而建立不同图像的对应关系。其实现步骤如图1所示。 　　1.2 SIFT 特征点检测与描述 　　实现SIFT算法的关键在于特征点检测，生成图像特征点描述。具体来说，主要包括：尺度空间极值检测、关键点的定位、关键点方向分配、关键点描述。 　　图1 SIFT算法实现步骤 　　1.2.1 尺度空间极值检测 　　高斯核是唯一可以产生多尺度空间的核[4]。一个图像的尺度空间L（x，y，σ）定义为原始图像I（x，y）与一个可变尺度的2维高斯函数G（x，y，σ） 卷积运算。其公式如下： 　　（1） 　　其中，G（x，y，σ）=12πσ2 e-（x2+y2）/2σ2。 　　相邻尺度的 2 个高斯图像相减得到高斯差分多尺度空间D （ x ， y ， σ）。 D （ x ， y ， σ）可表示为： 　　D（x，y，σ）=（G（x，y，kσ）-G（x，y，σ））*I（x，y）=L（x，y，kσ）-L（x，y，σ） 　　（2） 　　1.2.2 关键点的定位 　　由于DoG值对噪声和边缘较