基于改進(jìn)SIFT算法在圖像匹配中的研究.pdf

1、圖像匹配作為圖像處理里的主要組成部分，它的速度、精確度與穩(wěn)健度的提升一直是科研人員們十分關(guān)注的課題.其研究方法主要分為基于灰度的和基于特征的方法.前者的算法相對(duì)簡(jiǎn)單但是比較敏感，他們主要借助于圖像的灰度信息，匹配效率不是很理想。后者對(duì)形變等的適應(yīng)性相對(duì)理想，SIFT（Scale Invariant Feature Transform）算法是后者中的相對(duì)穩(wěn)定的算法，可以處理旋轉(zhuǎn)、光照等干擾，但它也存在效率低、精度差等問(wèn)題。
　　本文

2、先對(duì)SIFT算法進(jìn)行研究，然后對(duì)其改進(jìn)，該改進(jìn)方法對(duì)于邊緣顯著的圖像尤其試用.SIFT算法所用的圖像為灰度圖像，但是對(duì)于邊緣顯著的圖像來(lái)說(shuō)，用二值圖像來(lái)代替灰度圖像進(jìn)行SIFT特征匹配，由于二值圖像的像素點(diǎn)的值為0或1，這使邊界更加清晰，同時(shí)還可以使SIFT特征描述子更加簡(jiǎn)單，這為匹配節(jié)約了時(shí)間。此外，128維的特征描述子會(huì)給該算法帶來(lái)很大的計(jì)算量，從而影響實(shí)時(shí)性，本文降維方法將特征描述子的維數(shù)減少了一半，但降維后的64維的特征描述子仍

3、包含了降維前的128維的特征描述子中的所有信息.本文所用的降維方法不但減少了算法的運(yùn)行時(shí)間，而且對(duì)算法的準(zhǔn)確性并無(wú)影響.通過(guò)研究不難發(fā)現(xiàn)，用歐式距離進(jìn)行匹配會(huì)降低算法的準(zhǔn)確性，為了提高算法的準(zhǔn)確率，本文用加權(quán)的歐式距離代替歐式距離進(jìn)行進(jìn)行匹配。最后設(shè)計(jì)了一系列的實(shí)驗(yàn)來(lái)檢測(cè)本文改進(jìn)算法的性能，實(shí)驗(yàn)結(jié)果表明，當(dāng)圖像之間有一定的光照、旋轉(zhuǎn)、和視點(diǎn)變化時(shí)，匹配效果依舊較好，且算法的運(yùn)行時(shí)間遠(yuǎn)遠(yuǎn)少于原算法，所以本文提出的改進(jìn)算法在實(shí)時(shí)性與準(zhǔn)確率方