基于改進(jìn)SIFT的圖像匹配算法研究.pdf

1、圖像匹配是圖像處理和機器視覺領(lǐng)域的熱點問題。各國的專家學(xué)者對圖像匹配算法做了大量的深入研究，目前，它已在圖像拼接、醫(yī)學(xué)圖像分析、目標(biāo)檢測、生物特征識別等多個領(lǐng)域得到廣泛的應(yīng)用。圖像匹配算法可分為四類：基于變換域的匹配、基于模型的匹配、基于灰度的匹配和基于特征的匹配。其中基于特征的匹配算法具有對各種變化魯棒性強、靈活性好的特點而備受關(guān)注，是目前應(yīng)用最為廣泛的一類方法，本文對基于特征的方法進(jìn)行了介紹，并對其中應(yīng)用最為廣泛的尺度不變特征變換(

2、Scale Invariant Feature Transform。SIFT)算法進(jìn)行了深入的研究和學(xué)習(xí)，在此基礎(chǔ)上分析了現(xiàn)有算法的不足，并提出了相應(yīng)的改進(jìn)方法。本論文的主要研究工作如下：
　?。?）針對圖像匹配中SIFT算法的仿射不變性差、算法運算量大、實時性低的問題，提出了一種基于Hessian-Affine迭代Radon-SIFT方法。首先利用SIFT特征檢測方法確定初始特征點，并用Hessian-Affine迭代算法估計仿

3、射不變區(qū)域；然后將提取到的橢圓區(qū)域歸一化為圓形區(qū)域，在對應(yīng)圓形區(qū)域內(nèi)進(jìn)行主方向確定并做一系列直線，將這些直線上的圖像Radon變換作為特征描述符，從而提高了對視角變化的魯棒性和匹配速度。
　?。?）針對圖像匹配中SIFT算法計算復(fù)雜度高、實時性差的問題，提出了一種新的基于局部二進(jìn)制模式(Local Binary Patterns。LBP)和圖變換的匹配算法。首先采用SIFT特征檢測提取特征點；然后用新的LBP算法對特征區(qū)域進(jìn)行描述

4、并產(chǎn)生29維的特征描述向量，降低了描述子的復(fù)雜度，并以歐氏距離為度量準(zhǔn)則進(jìn)行初始匹配；最后采用圖變換匹配算法剔除誤匹配點，從而提高算法的運算速率和匹配精度。
　?。?）針對圖像拼接中SIFT算法計算復(fù)雜度高和誤匹配影響匹配精度的問題，提出了一種基于自適應(yīng)非極大值抑制(Adaptive Non-maxima Suppression。ANMS)的Radon-SIFT方法。首先采用SIFT特征檢測提取初始特征點并用ANMS對初始特征點進(jìn)