基于SIFT圖像配準(zhǔn)算法的研究.pdf

1、圖像配準(zhǔn)是一種尋找同一場(chǎng)景的兩幅或多幅圖像之間的空間變換關(guān)系、并對(duì)其中的一幅或多幅圖像進(jìn)行變換的過(guò)程。圖像配準(zhǔn)是所有圖像分析任務(wù)中最為關(guān)鍵和基礎(chǔ)的步驟，是圖像拼接、圖像重建、目標(biāo)識(shí)別等應(yīng)用的前提。對(duì)于常用的基于特征的圖像配準(zhǔn)方法，其關(guān)鍵在于如何對(duì)特征進(jìn)行有效的提取，尺度不變特征（SIFT）算法能夠提供需要的不變特征。SIFT特征具有旋轉(zhuǎn)、光照、仿射和尺度等不變性，SIFT算法是目前特征檢測(cè)和匹配算法中最為有效的算法。
　　 本文

2、以對(duì)尺度不變特征SIFT算法的研究為中心，首先以不變特征理論作為背景，引出SIFT尺度不變特征的概念。尺度不變特征SIFT算法可以劃分為特征檢測(cè)、特征描述和特征匹配三個(gè)部分，本文對(duì)每個(gè)部分的組成逐一進(jìn)行了分析和討論，詳細(xì)介紹了尺度不變特征SIFT算法的實(shí)現(xiàn)過(guò)程，對(duì)其所包含的匹配搜索、聚類變換及內(nèi)外點(diǎn)篩選等子算法的特點(diǎn)和性能分別做了深入研究。在特征檢測(cè)時(shí)，運(yùn)用非極大值抑制方法來(lái)檢測(cè)均勻性分布的特征點(diǎn)，通過(guò)設(shè)置標(biāo)志位對(duì)檢測(cè)步長(zhǎng)進(jìn)行調(diào)整以減少

3、檢測(cè)次數(shù)；考慮到SIFT算法在設(shè)置距離比閾值時(shí)的局限性，固定的參數(shù)設(shè)置不能適應(yīng)所有圖像，因此需要對(duì)SIFT算法匹配階段的距離比閾值進(jìn)行參數(shù)尋優(yōu)。本文以折半查找法作為基礎(chǔ)，設(shè)計(jì)了一個(gè)能夠滿足要求的尋優(yōu)算法；對(duì)于檢測(cè)到的特征點(diǎn)中偏差較大的匹配點(diǎn)，采用特征點(diǎn)對(duì)之間的特征一致性的幾何約束進(jìn)行粗匹配剔除。實(shí)驗(yàn)表明，改進(jìn)算法在性能上得到了提高。
　　 繼SIFT算法出現(xiàn)之后，陸續(xù)涌現(xiàn)了一系列的變種算法。本文對(duì)這些變種算法也進(jìn)行了研究，并進(jìn)行

4、了分析和對(duì)比實(shí)驗(yàn)。通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn)，雖然這些算法較SIFT算法在某些方面的確有所改進(jìn)，但是同時(shí)也損失了SIFT算法的其他性能，如算法的使用范圍、尺度不變特性以及算法的計(jì)算復(fù)雜度。因此，對(duì)SIFT 算法進(jìn)行深入研究仍然是必要的。目前SIFT算法改進(jìn)和完善工作主要聚焦于提高算法的計(jì)算效率、找到更精確的特征檢測(cè)算法或更有效的特征描述子等方面。另外，由于SIFT算法描述部分本身就受到生物神經(jīng)方面的啟發(fā)，后續(xù)研究考慮繼續(xù)將生物學(xué)的原理應(yīng)用于SIF