資源描述：
《一種改進的基于sift的圖像拼接技術(shù)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、JournalofImageandSignalProcessing圖像與信號處理,2017,6(1),62-70
PublishedOnlineJanuary2017inHans.http://www.hanspub.org/journal/jisp
http://dx.doi.org/10.12677/jisp.2017.61008AnImprovedMethodforImageMosaic
TechnologyBasedonSIFTAlgorithmKaiYiCollegeofComputer
2、Science,SichuanUniversity,ChengduSichuanReceived:Jan.2nd,2017;accepted:Jan.16th,2017;published:Jan.23rd,2017Copyright?2017byauthorandHansPublishersInc.ThisworkislicensedundertheCreativeCommonsAttributionInternationalLicense(CCBY).
http://creativecommo
3、ns.org/licenses/by/4.0/OpenAccessAbstractAimingattheproblemofthehighdimensionalityofthefeaturepointsintheimagematching
processusingthesiftalgorithm,amethodofoptimizingtheSIFTalgorithmisproposed.Byusing
PCA-SIFT,thedimensionofsiftdescriptorisreducedand
4、theinterferenceinformationofsome
descriptorsub-vectorsisfilteredout.Theproposedalgorithmisrobustandtheleastsquaresme-
thodisusedtofittheimage,andthematchingprecisionisimproved.Thestitchingeffectisbetter
enhanced,andalsoshortensthetimeofstitching.Keywo
5、rdsSIFT,PCA-SIFT,ImageMosaic一種改進的基于SIFT的圖像拼接技術(shù)易凱四川大學(xué)計算機學(xué)院，四川成都收稿日期：2017年1月2日；錄用日期：2017年1月16日；發(fā)布日期：2017年1月23日摘要針對利用SIFT算法的圖像拼接在匹配過程中特征點維數(shù)較高的問題，提出一種對SIFT算法優(yōu)化的方法。利用文章引用:易凱.一種改進的基于SIFT的圖像拼接技術(shù)[J].圖像與信號處理,2017,6(1):62-70.http://dx.doi.org/10.12677/jisp.2017
6、.61008易凱PCA-SIFT降低了SIFT描述子的維數(shù)的同時濾除了部分描述子向量中的干擾信息，有較好的魯棒性并且利用最小二乘法對提純后的圖像進行擬合，提高了匹配精度，對拼接效果有較好的增強，同時也縮短了拼接的時間。關(guān)鍵詞SIFT，PCA-SIFT，圖像拼接1.引言隨著計算機視覺領(lǐng)域的發(fā)展，圖像拼接技術(shù)變成計算機圖形學(xué)的一個重要的研究內(nèi)容。對于不同的需要，將具有相同特征點的多幅圖像拼接成一幅全景圖[1]，實現(xiàn)在一幅圖像上對于整個世界環(huán)境的觀察。而圖像拼接的首要問題就是圖像匹配。圖像匹配指的是，在
7、不同的匹配場景下，使用不同的匹配算法，通過對數(shù)字圖像的構(gòu)成信息，包括了圖像內(nèi)容、圖像的結(jié)構(gòu)、特征、圖像的紋理灰度等信息進行分析，達到在兩幅或者多幅圖像之間尋找同名點的目的。本文提出把PCA-SIFT算法用于圖像拼接的匹配部分[2]。PCA-SIFT算法在描述子構(gòu)建上作了創(chuàng)新，主要是將統(tǒng)計學(xué)中的主成分分析(PCA)應(yīng)用于對描述子向量的降維，以提高匹配效率。2.SIFT算法的特征匹配隨著對圖像拼接的研究工作的不斷深入，現(xiàn)今的各類匹配算法各具優(yōu)劣，根據(jù)圖像類型的差異往往選擇不同的匹配算法，也就是說匹配算
8、法的選擇和圖像本身的性質(zhì)是強相關(guān)的，目前還不存在一種可以通用的處理各種類型圖像之間的匹配問題的匹配算法，因此匹配算法的選定需要綜合考慮匹配效果的好壞，匹配算法的準確性和計算所耗費的時間以及計算量的大小這一系列因素，以及考慮匹配算法對各種外界條件變化如光照改變、噪聲影響、畸變影響等的敏感程度[3]。基于SIFT的特征匹配算法主要是由兩個部分組成：首先構(gòu)建SIFT特征向量，其次對SIFT特征向量進行匹配[4]。a.生成SIFT特征向量：SIFT特征向量的生成包括了構(gòu)建尺度空間檢測極值點
