基于SIFT算法的圖像特征點配準技術(shù)應(yīng)用.pdf

1、數(shù)字圖像配準技術(shù)在當今科學研究的各個領(lǐng)域都顯示出了很高的利用價值,基于特征點的配準技術(shù)又是圖像配準技術(shù)中一個重要研究點,此類技術(shù)通過利用少量對圖像發(fā)生形變時保持不變性的特征點來進行配準,因此擁有很好的實時性。SIFT(ScaleInvariantFeatureTransform,即尺度不變特征轉(zhuǎn)換)算法作為一種經(jīng)典且有效的配準算法,被廣泛運用到圖像校正、圖像鑲嵌等領(lǐng)域。該算法通過在尺度空間中尋找極值點,為每個關(guān)鍵點都附加近似唯一的描述子

2、進行描述,從而得到精準的圖像配準結(jié)果。本文通過實驗仿真對SIFT算法進行了詳細的分析與研究,并在此基礎(chǔ)上對其進行了優(yōu)化和改進。
　　 首先,簡要論述了課題的研究背景和意義,對SIFT特征點匹配算法的研究現(xiàn)狀進行了綜述,并介紹了數(shù)字圖像處理的基礎(chǔ)理論以及一些經(jīng)典的特征點提取算子。
　　 然后,基于數(shù)學模型分析了SIFT特征點匹配算法的實現(xiàn)過程,詳細闡述了SIFT算法中高斯金字塔的建立、DOG算子空間的建立、本地極值點的獲取

3、、邊緣不穩(wěn)定特征點的去除、關(guān)鍵點描述子的生成等關(guān)鍵步驟,完整的剖析了SIFT算法的思想和實現(xiàn)過程。
　　 最后,針對SIFT算法在運用于紋理或邊緣信息不明顯的圖像時,無法得出較多的SIFT特征點的問題,本文提出采用拉普拉斯算子對高斯模糊圖像進行灰度信息還原處理,以此獲得更多的SIFT特征點。通過MATLAB實驗,驗證了該方法在一定程度上提高了高斯模糊圖像中特征點的數(shù)量。同時為了對所提取的特征點的真實性進行驗證,本文將拉普拉斯算子