基于RANSAC的SIFT匹配优化-论文.pdf

《基于RANSAC的SIFT匹配优化-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第4l卷第8期光电工程Vo1．41，No．82014年8月Opto—ElectronicEngineeringAugust，2014文章编号：1003～501X(2014)08—0058—08基于RANSAC的SIFT匹配优化赵烨，蒋建国，洪日昌(合肥工业大学计算机与信息学院，合肥230009)摘要：本文提出了一种基于RANSAC的SIFT匹配优化。采用加权的圆形邻域替代原有SIFT描述子矩形邻域，使得描述子维度降低了25％。根据特征点最近邻与次近邻的距离比越低，其匹配正确率越高的特点，对匹配点按最近邻比率高低进行匹配点排序，并以最优匹配

2、点作为简化的RANSAC算法初始样本数据集，用简化的RANSAC算法进行几何校验，进一步提纯匹配点。实验结果表明本文方法在匹配精度优于RANSAC．SIFT的基础上，匹配速度大约提高了10倍。尤其当匹配点增多时，本文方法在匹配速度上更加有优势。关键词：尺度不变特征变换；随机抽样一致性；特征描述符；最近邻比率中图分类号：TP391．4文献标志码：Adoi：10．3969／j．issn．1003—501X．2014．08．010AnOptimizedSIFTMatchingBasedonRANSACZHAOYe，JIANGJianguo，HO

3、NGRichang(SchoolofComputerandInJormation，HefeiUniversityofTechnology，Hefei230009，China)Abstract：AnimprovedSIFTmethodisproposed．Firstly,thestepofdescribingkeypointschangestherectangularregionofthedescriptorintoacircularregion．Bycalculatingtheweightedgradientorientationhist

4、ogramforeachpartitioning，adescriptorwith96dimensionsiscomposed．Secondly,weemphasizethatasmallernearestneighborratiothresholdleadstoahighlyaccuratematchingprobabilityforthematchedpointbutyieldsalownumberofmatchingpoints．Thematchingpointsarerankedbythedistancethresholdofthe

5、nearestneighbortothesecondnearestneighbor．WefinallysimplifyRANSACbyestablishinganewdatasetbasedontheoptimalmatchedpoints．Theexperimentalresultsdemonstratethatourapproachenhancescomputationeficiency(about10times)andslightlyimprovesaccuracythanotheralgorithm．Whenthematching

6、featurepointsincreases，ourmethodhasmoreadvantagesinmatchingspeedandhighermatchingaccuracythanRANSAC—SIFT．Keywords：SIFT；RANSAC；featuredescriptor；nearestneighborratio0引言图像匹配技术广泛应用于机器视觉、目标识别、三维重建、视频摘要、多媒体信息检索、人脸识别等诸多领域。，与人类的生活息息相关。因此，一种同时具备准确性和高速性的图像匹配技术成为了重要需求。基于特征点的图像匹配技术以

7、其计算量较少、稳定性好等特点成为当今图像匹配技术的主流与核心。尤其以Lowe提出的尺度不变特征变换(ScaleInvariantFeatureTransform，SIFT)算法应用最为广泛。将尺度不变特征子与梯度方向描述子相结合的SIFT算法具有图像缩放、旋转、光照和仿射不变性等优点。但SIFT描述子的维度较高从而计算过于复杂，为了降低计算复杂度，提高匹配精度，有很多研究人员提出了各种基于SIFT的改进算法。Ke和Sukthankar[51将主成分分析(PrincipalComponentAnalysis，PCA)方法运用至SIFT图像匹

8、配中，采用主成分分析的方法对SIFT算子进行降维操作，其算法中特征点描述算子的维度可收稿日期：2013—12—16；收到修改稿日期：2014—03—18基金项目：国家自然科学基金资助项目(61