基于SIFT算法的圖像特征描述方法研究.pdf

1、SIFT算法是一種基于尺度空間的，對圖像縮放、旋轉(zhuǎn)甚至仿射變換依然保持不變性的特征匹配算法。但經(jīng)典SIFT算法的特征描述子由灰度圖像生成，忽略了顏色信息，造成圖像的匹配性能下降。目前，出現(xiàn)了多種針對彩色圖像SIFT算法，如HSV-SIFT、OpponentSIFT、W-SIFT和RGB-SIFT等。這些彩色圖像SIFT算法都是通過分別計算三個通道的128維特征向量，然后合成一個3*128維的特征向量，最終完成彩色目標(biāo)匹配。但在光照變化時

2、這些算法匹配效率普遍不高，而且它們的特征向量維數(shù)遠(yuǎn)遠(yuǎn)高于經(jīng)典SIFT算法的128維，時間大大增加。
　　 針對現(xiàn)有的基于彩色圖像的SIFT算法匹配時間過長和匹配性能較差的缺點(diǎn)，論文提出了一種基于顏色量化矩陣的SIFT特征描述方法，即CQM-SIFT。首先由HSV顏色模型中的色調(diào)、飽和度和亮度量化生成顏色量化矩陣，然后由該量化矩陣生成128維的SIFT特征描述子，然后進(jìn)行特征點(diǎn)的匹配，最終實現(xiàn)彩色目標(biāo)匹配。實驗結(jié)果表明，該方法與流

3、行的彩色圖形SIFT算法相比，在光照變化，旋轉(zhuǎn)變化，大小變化和綜合變化的情況下均能取得較好匹配性能和較快的匹配速度
　　 為了進(jìn)一步降低匹配時間和提高CQM-SIFT的特征描述子的魯棒性，將PCA應(yīng)用于CQM-SIFT的特征描述子，提出CQM-PCASIFT特征描述方法。通過對每個特征點(diǎn)的顏色描述子進(jìn)行PCA變換，將CQM-SIFT的128維特征向量降至36維。實驗結(jié)果表明，該算法在光照變化，旋轉(zhuǎn)變化，大小變化和綜合變化的情況下