資源描述：
《改進sift特征在圖像匹配中的應用》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。
1、萬方數(shù)據(jù)ComputerEngineeringandAppl&ations計算機工程與應用2008，44(2)95改進SIFT特征在圖像匹配中的應用張春美∽，龔志輝。，孫雷1ZHANGChun—n-tell一．GONGZhi—huil．SUNLeil1．信息工程大學測繪學院，鄭州4500522．73603部隊，南京2120031．InstituteofSurveyingandMapping，blfonnationEngineeringUr,iversity，Zhengzhou450052，China2．73603ArmyUnit，Nanjing212003，ChinaE-mail：zcm
2、nj@sohu．comZHANGChun—mei。GONGZhi—hui。SUNLei．ImprovedSIFTfeatureappliedinimagematching．ComputerEngineeringandApplications，2f108，44(2)：95-97．Abstract：TheprincipleofSIFTmethodisresearched，thenanimprovedSIFTpointsfeaturedescriptorisproposed，aimingtotheprohlemo}1itshighdimensinnandcomplexity，Numerouse
3、xperimentshavebeenenmtuctedfordifferenttypeofimagesexistinggeometricaldistortionandradiativedistortionaswellasnoiseJmpactio．．TheresultsShOWthattheproposedmethodismorestableandfaSt．Keywords：SIVI’method；scalespace；featuredescriptor；regionmatching摘要：對SIFT算法進行研究，針對sTFT特征描述符的高雛數(shù)和高復雜度問題，進行了政進。通過對大量的不同類
4、型的圖像進行特征匹配實驗，實驗結果表明，"-3圖像存在不同程度的幾何變形、輻射畸變和噪聲影響時，改進后的算法更穩(wěn)定、更快速。關鍵詞：SIFT算法；尺度空間；特征描述符；特征匹配文章縮號：1002—8331(2008)02—0095—03文獻標識碼：A中圖分類號：TP391．41引言圖像匹配是計算機視覺和數(shù)字圖像處理的重要組成部分，廣泛應肘于攝影測量與遙感、資源分析、三維重建、目標識別等眾多領域，一直是研究者關注的焦點，但是由于它受到天氣、陽光、遮擋等外界因素的嚴重影響。并且存在因不同的成像時間、角度、距離等因素而導致的圖像平移、旋轉、縮放等問題，這都給圖像匹配11=作帶來了很大的難度。長
5、期以來，國內外很多學者都致力于能夠解決上述問題的圖像匹配技術研究。近年來，在計算機視覺領域，基于局部不變量描述符(LocallnvafiantDescriptor)的方法在目標識別和圖像匹配方面取得了顯著進展。2004年，哥倫比亞大學的DavidLowe提出了一種新的點特征提取算法——sIFTr(scaIeInva6一antFeatureTransform)算法”1，較好地解決了場景部分遮擋、旋轉縮放、視點變化引起的圖像變形等問題，并且成功應用于目標識別Ⅲ、圖像復原田、圖像拼接o—等領域。然而，算法仍存在一些問題．如閾值過多且難以確定，特征描述符維數(shù)過高導致計算過于復雜等。后來有學者對其
6、進行了改進，如Y．ke提出PCA—SIFT改進法塒，采用主成分分析法以減少特征描述符的維數(shù)，降低了計算復雜度。Mikolajczyk提出了一十擴展的SIFT描述子—GlDH(GradientLocation—OrientationHistogram)H進一步增強了特征描述符的獨特性(distinctiveness)和算法的魯棒性：．本文針對SIFT特征描述符的高維數(shù)和高復雜度問題對sI丌算法進行了改進，通過增強特征描述符本身的抗旋轉能力以及減少特征描述符的維數(shù)來降低計算的復雜度。2SIFT算法原理SIFT算法基于圖像特征尺度選擇的思想，建立圖像的多尺度空間，在不同尺度下檢測到同一個特征點
7、，確定特征點位置的同時確定其所在尺度，以達到尺度抗縮放的目的，剔出一些對比度較低的點以及邊緣響應點，并提取旋轉不變特征描述符以達到抗仿射變換的目的。該算法主要包含4個步驟：(1)建立尺度空間，尋找候選點；(2)精確確定關鍵點．剔除不穩(wěn)定點；(3)確定關鍵點的方向；(4)提取特征描述符。高斯卷積核是實現(xiàn)尺度變換的唯一變換核啊。因此一幅圖像，(石，Y)的尺度空問定義為L(搿，y，or)，是由不同尺度的高斯函數(shù)G(x，r，盯)與原圖像卷積
