SIFT特征匹配算法研究與改進.pdf

1、圖像特征匹配已成為計算機視覺和數(shù)字圖像處理等領(lǐng)域的研究熱點，其首要任務(wù)是從待匹配的圖像中提取含有圖像特征的特征點并進行描述，通過建立原圖像和待匹配圖像的特征點集之間的點點對應(yīng)關(guān)系，計算對應(yīng)點之間的相似性度量來確定圖像是否匹配；或者通過無須建立點點對應(yīng)關(guān)系的最小均方差匹配、快速點匹配、Haussdorff點距離匹配等方法來進行圖像間特征點的匹配。常用方法有基于空間關(guān)系的匹配算法、基于不變量描述子的匹配算法、金字塔和小波算法等，David

2、G.Lowe提出的SIFT算法以其對各種變換，如旋轉(zhuǎn)、尺度、光照強度等的不變性、穩(wěn)定性、獨特性等特點被應(yīng)用于視頻匹配、圖像檢索、目標跟蹤等領(lǐng)域。
　　 在多數(shù)實際應(yīng)用中，由于存在噪聲以及各類圖像變換等不利因素對SIFT算子在進行特征匹配時魯棒性的影響，直接關(guān)系著整個算法的性能。因此，快速提取穩(wěn)定可靠的特征，形成有效特征描述子是本文SIFT算法的主要研究目標，本文從不同的角度提出了兩種特征描述子的改進方法：一是全局結(jié)構(gòu)化SIFT描

3、述子，通過改變特征點鄰域區(qū)域，增強特征描述子全局描述特性及其抗旋轉(zhuǎn)尺度不變能力，降低各類圖像變換因素給SIFT算法帶來的魯棒性影響；二是基于旋轉(zhuǎn)不變紋理的SIFT描述子，針對生成的關(guān)鍵特征點，計算每個關(guān)鍵點周圍圖像區(qū)域的旋轉(zhuǎn)不變紋理特征，將RIT特征描述融合到SIFT描述向量中，更加全面地描述圖像信息，同時利用紋理特征的完全旋轉(zhuǎn)不變性，進一步降低了實時圖像與參考圖像時序匹配的計算復(fù)雜度，紋理化的局部特征描述符的建立，為含有定位誤差的匹配

4、方法提供了較強的容錯性，在一定程度上降低了誤匹配率，改善了匹配效果。
　　 本文首先介紹了圖像的各類特征以及三種點特征提取算子；然后介紹了SIFT算法的基本概念以及涉及到的關(guān)鍵技術(shù)、目前常用的SIFT描述子擴展算法與匹配方式擴展算法，比較了各類算法的優(yōu)缺點，并通過實驗驗證了SIFT算子對圖像各類變換的不變性；針對目前各種SIFT算法存在的不足，提出了兩種改進的SIFT算法：GS-SIFT算法和RIT-SIFT算法，詳細介紹了描述