基于SIFT的圖像特征點(diǎn)匹配算法研究.pdf

1、圖像配準(zhǔn)是數(shù)字圖像處理領(lǐng)域的基本問題，用于比較或融合針對(duì)同一對(duì)象在不同條件下獲取的圖像，包括對(duì)象或場(chǎng)景識(shí)別、根據(jù)多張圖像的3D建模、立體匹配以及運(yùn)動(dòng)追蹤等，它是圖像從獲取到分析過程中的重要步驟。圖像配準(zhǔn)技術(shù)在諸多方面，例如機(jī)器視覺、醫(yī)學(xué)圖像處理、軍事領(lǐng)域以及材料力學(xué)等領(lǐng)域都有廣泛的應(yīng)用。
　　本文主要研究基于尺度不變特征變換（Scale Invariant Feature Transform，SIFT）的圖像特征匹配算法。SIFT

2、算法提取的特征點(diǎn)對(duì)圖像的相似變換無關(guān)，對(duì)光線、噪聲、微視角改變有較好的容忍度。但是SIFT特征點(diǎn)描述子同時(shí)具有計(jì)算復(fù)雜、維數(shù)高、匹配速度慢等缺點(diǎn)。對(duì)此，本文提出了一種基于向量?jī)?nèi)積的最近鄰搜索算法。首先引入合適的、隨著待檢索點(diǎn)動(dòng)態(tài)變化的參考向量，通過直接提取特征點(diǎn)描述子矩陣的數(shù)據(jù)來獲得樣本集與它的內(nèi)積，排序所提取的數(shù)列。然后，確定待檢索點(diǎn)與向量的內(nèi)積，在對(duì)應(yīng)的內(nèi)積序列中查找位置，確定以所在位置為中心的近似搜索范圍，由范圍內(nèi)的近似最近鄰搜索

3、代替在樣本集中的全范圍搜索，以較小的準(zhǔn)確度損失為代價(jià)，大幅提高搜索速度。
　　為了驗(yàn)證本文算法的有效性與優(yōu)點(diǎn)，將算法與常用的近似最近鄰搜索算法KD-BBF算法對(duì)牛津大學(xué)VGG實(shí)驗(yàn)室的圖片測(cè)試庫(kù)進(jìn)行了試驗(yàn)對(duì)比，并從匹配速度、正確匹配數(shù)量、準(zhǔn)確度三方面進(jìn)行比較評(píng)估。試驗(yàn)結(jié)果表明，選擇適當(dāng)?shù)慕谱罱徦阉鞣秶疚乃惴ㄏ啾扔贙D-BBF算法顯著提升了的搜索速度，而只付出了損失較小正確匹配數(shù)量的代價(jià)。同時(shí)，本文還利用所提出的算法完成了圖像