尺度不變特征的研究及其在圖像配準(zhǔn)中的應(yīng)用.pdf

1、圖像配準(zhǔn)是數(shù)字圖像處理領(lǐng)域和計(jì)算機(jī)視覺領(lǐng)域基礎(chǔ)而又關(guān)鍵的課題之一，在諸如目標(biāo)識(shí)別、圖像融合、三維重建、醫(yī)學(xué)圖像處理等領(lǐng)域到了廣泛的研究與應(yīng)用。在實(shí)際應(yīng)用中，由于圖像的獲取設(shè)備、采集時(shí)間、拍攝角度等條件的不同，經(jīng)常需要對(duì)在不同條件下獲取的同一場(chǎng)景圖像進(jìn)行配準(zhǔn)操作，以達(dá)到信息融合的目的。現(xiàn)有的圖像配準(zhǔn)技術(shù)中，基于特征的圖像配準(zhǔn)具有配準(zhǔn)精度高、抗干擾性和魯棒性強(qiáng)、使用范圍廣等優(yōu)良特性，是當(dāng)今圖像配準(zhǔn)領(lǐng)域的主流方向。
　　對(duì)于基于特征的圖

2、像配準(zhǔn)技術(shù)而言，其關(guān)鍵在于如何高效準(zhǔn)確地檢測(cè)圖像中的穩(wěn)健特征。作為目前特征檢測(cè)方面極為有效的算法之一，尺度不變特征變換(Scale Invariant Feature Transform，SIFT）對(duì)圖像的旋轉(zhuǎn)變化、尺度縮放、亮度變換等都具有較好的不變性，同時(shí)對(duì)圖像的噪聲、仿射變換、視角變化等也具有一定的魯棒性，可以為圖像配準(zhǔn)操作提供穩(wěn)健的不變特征。然而，由于SIFT算法基于尺度空間對(duì)圖像進(jìn)行分析，在特征檢測(cè)階段需要運(yùn)行較多的卷積運(yùn)算和

3、直方圖加權(quán)運(yùn)算，對(duì)高達(dá)128維的SIFT特征描述符進(jìn)行匹配也包含了大量的浮點(diǎn)運(yùn)算，導(dǎo)致大分辨率圖像的配準(zhǔn)時(shí)間呈幾何增長(zhǎng)。對(duì)此，本文以提高SIFT算法效率為目的，設(shè)計(jì)了一種基于參考點(diǎn)距離的SIFT特征點(diǎn)匹配算法（DRP-SIFT）和一種自適應(yīng)搜索范圍的SIFT特征點(diǎn)匹配算法（AutoARV&DP-SIFT）。DRP-SIFT算法首先一次計(jì)算所有待匹配特征點(diǎn)到參考點(diǎn)之間的距離，對(duì)之進(jìn)行快速排序并保存。然后，計(jì)算待查詢特征點(diǎn)到參考點(diǎn)的距離，并

4、在已排序的距離中使用二分法搜索返回此距離的最近鄰。最后，在以此最近鄰為中心的一定范圍內(nèi)搜索待查詢特征點(diǎn)的近似最近鄰。AutoARV&DP-SIFT算法首先根據(jù)特征向量集合計(jì)算一個(gè)合適的參考向量，然后自適應(yīng)確定一個(gè)搜索范圍，最后在一個(gè)通過距離過濾后的較小搜索空間中進(jìn)行特征向量匹配。
　　最后，編寫代碼對(duì)改進(jìn)算法的有效性進(jìn)行實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，與經(jīng)典的BBF算法相比，本文的DRP-SIFT算法和AutoARV&DP-SIFT算法在