宋人杰　戚照千

【摘 要】由二維圖像恢復(fù)到三維立體結(jié)構(gòu)過(guò)程中，圖像匹配技術(shù)是其中很重要的一個(gè)環(huán)節(jié)。由于SIFT算法具有對(duì)圖像平移、旋轉(zhuǎn)、縮放、甚至仿射變換保持不變性的優(yōu)點(diǎn)，應(yīng)用最為廣泛。但是SIFT算法也存在一些缺陷，如SIFT匹配點(diǎn)數(shù)量有限、重復(fù)率高，在大量形狀相似區(qū)域匹配正確率低，匹配時(shí)間長(zhǎng)等。本文采用簡(jiǎn)化SIFT模型進(jìn)行雙向匹配[1]，同時(shí)增加了匹配條件即改進(jìn)歐式距離匹配與余弦匹配[2]相結(jié)合，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的SIFT算法縮短了運(yùn)算時(shí)間，提高了匹配的精準(zhǔn)度，可以較好的應(yīng)用于圖像匹配中。

【關(guān)鍵詞】SIFT；圖像處理；匹配；歐氏距離

【Abstract】In the process of the 2D image restoration into 3D structure， image matching technology is one of important link. Due to image translation， rotation， scaling， and the advantages of affine transformation keep invariance， SIFT algorithm is the most widely used. SIFT algorithm， however， the inherent defects， such as matching SIFT points limited number， high repetition rate and the low accuracy in the shape of a lot of similar area matching， matching time is long， etc. Based on the simplified model of SIFT two-way match[1]， at the same time increase the matching conditions improved distance matching combined with cosine matching[2]， the experimental results show that the improved SIFT algorithm to shorten the operation time， improves the precision of matching， can be better applied to image matching..

【Key words】SIFT； Imageprocessing； Matching； Euclidean distance

0 引言

圖像特征在圖像處理中具有非常重要的意義。目前，幾何特征、彩色特征、紋理特征和特征點(diǎn)在目標(biāo)識(shí)別、運(yùn)動(dòng)估計(jì)和立體匹配等領(lǐng)域中均已得到了一定程度的應(yīng)用。在實(shí)際應(yīng)用中，圖像經(jīng)常會(huì)發(fā)生變化，提取具有較強(qiáng)魯棒性的圖像特征就顯得尤為重要。近年來(lái)，雙目立體視覺(jué)技術(shù)成為研究的熱點(diǎn)，其中，如何有效的提取圖像特征進(jìn)行立體匹配是核心技術(shù)之一。

本文采用目前圖像匹配領(lǐng)域最活躍的SIFT[3]（Scale Invariant Feature Transform，尺度不變特征轉(zhuǎn)換）算法進(jìn)行圖像匹配。針對(duì)SIFT匹配點(diǎn)數(shù)量有限重復(fù)率高，在大量形狀相似區(qū)域匹配正確率低，匹配時(shí)間長(zhǎng)的缺點(diǎn)，在保持原算法優(yōu)良特性前提下，采用簡(jiǎn)化SIFT模型，在距離匹配與余弦相似度匹配相結(jié)合的基礎(chǔ)下，同時(shí)采用雙向匹配，不但縮短了運(yùn)算時(shí)間，而且提高了匹配的精準(zhǔn)度，一定程度上提高了匹配的準(zhǔn)確率。

1 標(biāo)準(zhǔn)SIFT算法

4 結(jié)束語(yǔ)

本文在分析原SIFT算法的基礎(chǔ)上，嘗試對(duì)原算法進(jìn)行改進(jìn)，繼承了原算法的優(yōu)良特性，同時(shí)減少運(yùn)算時(shí)間，提高匹配效率。但是，匹配精度和匹配時(shí)間不可同時(shí)達(dá)到最大，如何選擇最優(yōu)化，將是我們要深入研究的后續(xù)問(wèn)題。

【參考文獻(xiàn)】

[1]劉煥敏，王華，段慧芬.一種改進(jìn)的SIFT雙向匹配算法[J].兵工自動(dòng)化，2009，06：89-91.

[2]白廷柱，侯喜報(bào).基于SIFT算子的圖像匹配算法研究[J].北京理工大學(xué)學(xué)報(bào)，2013，06：622-627.

[3]汪松.基于SIFT算法的圖像匹配方法研究[D].西安電子科技大學(xué)，2013.

[4]楊晶晶.數(shù)字視頻圖像預(yù)處理算法的研究與實(shí)現(xiàn)[D].復(fù)旦大學(xué)，2012.

[5]宋衛(wèi)艷.RANSAC算法及其在遙感圖像處理中的應(yīng)用[D].北京：華北電力大學(xué)，2011.

[6]曹世翔，江潔，張廣軍，袁艷.一種簡(jiǎn)化SIFT的圖像配準(zhǔn)算法[C]//中國(guó)航天科工集團(tuán)公司.第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）.中國(guó)航天科工集團(tuán)公司，2010：4.

[責(zé)任編輯：湯靜]

【摘 要】由二維圖像恢復(fù)到三維立體結(jié)構(gòu)過(guò)程中，圖像匹配技術(shù)是其中很重要的一個(gè)環(huán)節(jié)。由于SIFT算法具有對(duì)圖像平移、旋轉(zhuǎn)、縮放、甚至仿射變換保持不變性的優(yōu)點(diǎn)，應(yīng)用最為廣泛。但是SIFT算法也存在一些缺陷，如SIFT匹配點(diǎn)數(shù)量有限、重復(fù)率高，在大量形狀相似區(qū)域匹配正確率低，匹配時(shí)間長(zhǎng)等。本文采用簡(jiǎn)化SIFT模型進(jìn)行雙向匹配[1]，同時(shí)增加了匹配條件即改進(jìn)歐式距離匹配與余弦匹配[2]相結(jié)合，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的SIFT算法縮短了運(yùn)算時(shí)間，提高了匹配的精準(zhǔn)度，可以較好的應(yīng)用于圖像匹配中。

【關(guān)鍵詞】SIFT；圖像處理；匹配；歐氏距離

【Abstract】In the process of the 2D image restoration into 3D structure， image matching technology is one of important link. Due to image translation， rotation， scaling， and the advantages of affine transformation keep invariance， SIFT algorithm is the most widely used. SIFT algorithm， however， the inherent defects， such as matching SIFT points limited number， high repetition rate and the low accuracy in the shape of a lot of similar area matching， matching time is long， etc. Based on the simplified model of SIFT two-way match[1]， at the same time increase the matching conditions improved distance matching combined with cosine matching[2]， the experimental results show that the improved SIFT algorithm to shorten the operation time， improves the precision of matching， can be better applied to image matching..

【Key words】SIFT； Imageprocessing； Matching； Euclidean distance

0 引言

圖像特征在圖像處理中具有非常重要的意義。目前，幾何特征、彩色特征、紋理特征和特征點(diǎn)在目標(biāo)識(shí)別、運(yùn)動(dòng)估計(jì)和立體匹配等領(lǐng)域中均已得到了一定程度的應(yīng)用。在實(shí)際應(yīng)用中，圖像經(jīng)常會(huì)發(fā)生變化，提取具有較強(qiáng)魯棒性的圖像特征就顯得尤為重要。近年來(lái)，雙目立體視覺(jué)技術(shù)成為研究的熱點(diǎn)，其中，如何有效的提取圖像特征進(jìn)行立體匹配是核心技術(shù)之一。

本文采用目前圖像匹配領(lǐng)域最活躍的SIFT[3]（Scale Invariant Feature Transform，尺度不變特征轉(zhuǎn)換）算法進(jìn)行圖像匹配。針對(duì)SIFT匹配點(diǎn)數(shù)量有限重復(fù)率高，在大量形狀相似區(qū)域匹配正確率低，匹配時(shí)間長(zhǎng)的缺點(diǎn)，在保持原算法優(yōu)良特性前提下，采用簡(jiǎn)化SIFT模型，在距離匹配與余弦相似度匹配相結(jié)合的基礎(chǔ)下，同時(shí)采用雙向匹配，不但縮短了運(yùn)算時(shí)間，而且提高了匹配的精準(zhǔn)度，一定程度上提高了匹配的準(zhǔn)確率。

1 標(biāo)準(zhǔn)SIFT算法

4 結(jié)束語(yǔ)

本文在分析原SIFT算法的基礎(chǔ)上，嘗試對(duì)原算法進(jìn)行改進(jìn)，繼承了原算法的優(yōu)良特性，同時(shí)減少運(yùn)算時(shí)間，提高匹配效率。但是，匹配精度和匹配時(shí)間不可同時(shí)達(dá)到最大，如何選擇最優(yōu)化，將是我們要深入研究的后續(xù)問(wèn)題。

【參考文獻(xiàn)】

[1]劉煥敏，王華，段慧芬.一種改進(jìn)的SIFT雙向匹配算法[J].兵工自動(dòng)化，2009，06：89-91.

[2]白廷柱，侯喜報(bào).基于SIFT算子的圖像匹配算法研究[J].北京理工大學(xué)學(xué)報(bào)，2013，06：622-627.

[3]汪松.基于SIFT算法的圖像匹配方法研究[D].西安電子科技大學(xué)，2013.

[4]楊晶晶.數(shù)字視頻圖像預(yù)處理算法的研究與實(shí)現(xiàn)[D].復(fù)旦大學(xué)，2012.

[5]宋衛(wèi)艷.RANSAC算法及其在遙感圖像處理中的應(yīng)用[D].北京：華北電力大學(xué)，2011.

[6]曹世翔，江潔，張廣軍，袁艷.一種簡(jiǎn)化SIFT的圖像配準(zhǔn)算法[C]//中國(guó)航天科工集團(tuán)公司.第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）.中國(guó)航天科工集團(tuán)公司，2010：4.

[責(zé)任編輯：湯靜]

【摘 要】由二維圖像恢復(fù)到三維立體結(jié)構(gòu)過(guò)程中，圖像匹配技術(shù)是其中很重要的一個(gè)環(huán)節(jié)。由于SIFT算法具有對(duì)圖像平移、旋轉(zhuǎn)、縮放、甚至仿射變換保持不變性的優(yōu)點(diǎn)，應(yīng)用最為廣泛。但是SIFT算法也存在一些缺陷，如SIFT匹配點(diǎn)數(shù)量有限、重復(fù)率高，在大量形狀相似區(qū)域匹配正確率低，匹配時(shí)間長(zhǎng)等。本文采用簡(jiǎn)化SIFT模型進(jìn)行雙向匹配[1]，同時(shí)增加了匹配條件即改進(jìn)歐式距離匹配與余弦匹配[2]相結(jié)合，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的SIFT算法縮短了運(yùn)算時(shí)間，提高了匹配的精準(zhǔn)度，可以較好的應(yīng)用于圖像匹配中。

【關(guān)鍵詞】SIFT；圖像處理；匹配；歐氏距離

【Abstract】In the process of the 2D image restoration into 3D structure， image matching technology is one of important link. Due to image translation， rotation， scaling， and the advantages of affine transformation keep invariance， SIFT algorithm is the most widely used. SIFT algorithm， however， the inherent defects， such as matching SIFT points limited number， high repetition rate and the low accuracy in the shape of a lot of similar area matching， matching time is long， etc. Based on the simplified model of SIFT two-way match[1]， at the same time increase the matching conditions improved distance matching combined with cosine matching[2]， the experimental results show that the improved SIFT algorithm to shorten the operation time， improves the precision of matching， can be better applied to image matching..

【Key words】SIFT； Imageprocessing； Matching； Euclidean distance

0 引言

圖像特征在圖像處理中具有非常重要的意義。目前，幾何特征、彩色特征、紋理特征和特征點(diǎn)在目標(biāo)識(shí)別、運(yùn)動(dòng)估計(jì)和立體匹配等領(lǐng)域中均已得到了一定程度的應(yīng)用。在實(shí)際應(yīng)用中，圖像經(jīng)常會(huì)發(fā)生變化，提取具有較強(qiáng)魯棒性的圖像特征就顯得尤為重要。近年來(lái)，雙目立體視覺(jué)技術(shù)成為研究的熱點(diǎn)，其中，如何有效的提取圖像特征進(jìn)行立體匹配是核心技術(shù)之一。

本文采用目前圖像匹配領(lǐng)域最活躍的SIFT[3]（Scale Invariant Feature Transform，尺度不變特征轉(zhuǎn)換）算法進(jìn)行圖像匹配。針對(duì)SIFT匹配點(diǎn)數(shù)量有限重復(fù)率高，在大量形狀相似區(qū)域匹配正確率低，匹配時(shí)間長(zhǎng)的缺點(diǎn)，在保持原算法優(yōu)良特性前提下，采用簡(jiǎn)化SIFT模型，在距離匹配與余弦相似度匹配相結(jié)合的基礎(chǔ)下，同時(shí)采用雙向匹配，不但縮短了運(yùn)算時(shí)間，而且提高了匹配的精準(zhǔn)度，一定程度上提高了匹配的準(zhǔn)確率。

1 標(biāo)準(zhǔn)SIFT算法

4 結(jié)束語(yǔ)

本文在分析原SIFT算法的基礎(chǔ)上，嘗試對(duì)原算法進(jìn)行改進(jìn)，繼承了原算法的優(yōu)良特性，同時(shí)減少運(yùn)算時(shí)間，提高匹配效率。但是，匹配精度和匹配時(shí)間不可同時(shí)達(dá)到最大，如何選擇最優(yōu)化，將是我們要深入研究的后續(xù)問(wèn)題。

【參考文獻(xiàn)】

[1]劉煥敏，王華，段慧芬.一種改進(jìn)的SIFT雙向匹配算法[J].兵工自動(dòng)化，2009，06：89-91.

[2]白廷柱，侯喜報(bào).基于SIFT算子的圖像匹配算法研究[J].北京理工大學(xué)學(xué)報(bào)，2013，06：622-627.

[3]汪松.基于SIFT算法的圖像匹配方法研究[D].西安電子科技大學(xué)，2013.

[4]楊晶晶.數(shù)字視頻圖像預(yù)處理算法的研究與實(shí)現(xiàn)[D].復(fù)旦大學(xué)，2012.

[5]宋衛(wèi)艷.RANSAC算法及其在遙感圖像處理中的應(yīng)用[D].北京：華北電力大學(xué)，2011.

[6]曹世翔，江潔，張廣軍，袁艷.一種簡(jiǎn)化SIFT的圖像配準(zhǔn)算法[C]//中國(guó)航天科工集團(tuán)公司.第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）.中國(guó)航天科工集團(tuán)公司，2010：4.

[責(zé)任編輯：湯靜]