基于改进局部不变特征的兴趣点匹配

《基于改进局部不变特征的兴趣点匹配》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第31卷第11期电子与信息学报Vol.31No.112009年11月JournalofElectronics&InformationTechnologyNov..2009基于改进局部不变特征的兴趣点匹配张良王海丽吴仁彪(中国民航大学智能信号与图像处理天津市重点实验室天津300300)摘要：该文提出了一种适用于目标跟踪的局部特征点检测与匹配方法，在尺度不变特征(ScaleInvariantFeatureTransform,SIFT)算法基础上进行了多方面的改进。在高斯差分尺度空间仅检测局部极大值，提高算法的稳

2、定性；采用基于圆形邻域统计梯度方向直方图，来确定兴趣点的主方向和描述子，避免了图像旋转的运算代价；最后采用最近邻与次近邻之比来对96维的描述子进行匹配。所提方法在有效地提高匹配准确率的同时，大大提高了运算速度,适用于对实时性要求较高的场合。关键词：图像处理；局部特征；尺度不变特征；特征匹配；方向直方图中图分类号：TN911.73文献标识码：A文章编号：1009-5896(2009)11-2620-06MatchingofInterestingPointsBasedonImprovedSIFTAlgorith

3、mZhangLiangWangHai-liWuRen-biao(TianjinKeyLabforAdvancedSignalProcessing,CivilAviationUniversityofChina,Tianjin300300,China)Abstract:ThispaperpresentsanimprovedSIFT(ScaleInvariantFeatureTransform)descriptorforlocalfeaturedetectionandmatchinginobjecttrackin

4、g.OnlythelocalmaximainDOGscalespacearedetectedascandidateinterestingpointstoimprovethestability.Inordertoavoidrotatingtheimage,themainorientationsanddescriptorsaredeterminedstatistically,accordingtoorientedgradientshistogramsincircularneighborhoodaroundthe

5、interestingpoint.Finally,ratiobetweenthefirstandthesecondclosestdistanceisusedtomatchthe96-dimensionalvectors.Thismethodexhibitsverygoodperformanceinhighreliableapplications,foritseffectivenessandreducedcomplexity.Keywords:Imageprocessing;Localfeatures;Sca

6、leInvariantFeatureTransform(SIFT);Featurematching;Orientationhistogram1引言[9]征的改进方法。SURF方法在速度上比SIFT快，适用于图像分辨率变化较大和旋转的情况，但是它近几年来，基于局部特征的特征匹配一直是机在视角变换和光照变化的情况下，效果欠佳。器视觉和图像处理研究的热点，它有效地解决目标Mikolajczyk和Schmid等对各种描述子进行了比匹配中存在的遮挡、光照变化、仿射变换等问题。[10][1]较，得出SIFT描述子具有最

7、佳性能。然而，SIFTLowe提出的SIFT算法，以其对各种变换，如尺算法都难以避免因复杂背景、缺少纹理或者小目标度，光照，旋转等的不变性，多量性，独特性等特[11][2][3]的存在而引起的误匹配，BSIFT算法结合局部点被广泛应用于人脸识别、目标匹配、图像拼[4][5]目标边缘信息，进一步提高了算法的有效性。基于接、图像检索等诸多领域，但特征向量的维数过灰度信息的描述子，对形状相似但颜色不同的物体高，计算量较大，在视频监控等实时性要求较高的[12]的识别能力较差，CSIFT算法以及SIFT-CCH等特定

8、的应用场合中，应用受到了限制。SIFT算法的[13]算法弥补了这一点，在颜色不变空间中进行兴趣改进算法有很多：Re和Sukthankar采用在归一化[14]点的检测，取得了很好的效果。n-SIFT算法将2的梯度场中应用PCA将描述子降到36维，PCA-[6][7]维扩展到任意维的图像特征匹配，实现了一种全自SIFT算法稳健性更高。HOG算法在行人识别上[8]动多模态的医学图像匹配。总之，不同改进的SIFT效果尤为