基于SIFT和角點檢測的自動圖像配準方法研究.pdf

1、現(xiàn)有的圖像配準方法，一般可分為兩類：基于灰度的配準法以及基于特征的配準法。其中，后者由于其局部匹配的思想加快了配準速度，提高了配準效率，從而得到廣泛的應用。SIFT算法正是其中一種特征點的匹配算法。本文提出了一種SIFT的改進算法，旨在減少原算法的運行時間和提高其匹配精度。
　　 近年來，基于SIFT算法的圖像配準算法已逐漸成為圖像配準中的經(jīng)典算法之一。此算法用于匹配存在尺度變換、旋轉(zhuǎn)變換、光照變化和視角變化的圖像，能得到很高的

2、準確率。然而，其提取的特征點數(shù)多，特征描述向量的維數(shù)高，導致運算時間長，效率不高。本文正是為解決這一問題，提出了此方法的改進方法。具體改進點包括以下兩個方面：
　　 第一，將SIFT算子提取的尺度空間極值點作為初始特征點，然后用Harris角點檢測算子對初始特征點進行篩選。選擇具有高對比度的點作為最終的特征點。這樣可以提高特征點的顯著性，同時減少特征點的數(shù)目，為提高配準率做準備。
　　 第二，利用梯度方向相反時梯度模值相

3、減的原理，將SIFT算法的特征描述向量的維數(shù)降低一半，即將每個特征點的128維描述向量改為64維的描述向量。這樣可以節(jié)省特征向量匹配時的開銷，加快圖像配準的運算速度。
　　 基于特征點提取的圖像配準方法的步驟為：提取特征點、生成特征描述子、查找特征匹配點對、配準圖像。本文重點研究特征點提取和生成特征描述子這兩步，并在SIFT算法的基礎(chǔ)上，改進了特征點的提取方法和描述子的生成方式。
　　 本文在Microsoft Visu