基于SIFT圖像配準算法的研究.pdf

1、圖像配準是一種尋找同一場景的兩幅或多幅圖像之間的空間變換關(guān)系、并對其中的一幅或多幅圖像進行變換的過程。圖像配準是所有圖像分析任務(wù)中最為關(guān)鍵和基礎(chǔ)的步驟，是圖像拼接、圖像重建、目標識別等應用的前提。對于常用的基于特征的圖像配準方法，其關(guān)鍵在于如何對特征進行有效的提取，尺度不變特征（SIFT）算法能夠提供需要的不變特征。SIFT特征具有旋轉(zhuǎn)、光照、仿射和尺度等不變性，SIFT算法是目前特征檢測和匹配算法中最為有效的算法。
　　 本文

2、以對尺度不變特征SIFT算法的研究為中心，首先以不變特征理論作為背景，引出SIFT尺度不變特征的概念。尺度不變特征SIFT算法可以劃分為特征檢測、特征描述和特征匹配三個部分，本文對每個部分的組成逐一進行了分析和討論，詳細介紹了尺度不變特征SIFT算法的實現(xiàn)過程，對其所包含的匹配搜索、聚類變換及內(nèi)外點篩選等子算法的特點和性能分別做了深入研究。在特征檢測時，運用非極大值抑制方法來檢測均勻性分布的特征點，通過設(shè)置標志位對檢測步長進行調(diào)整以減少

3、檢測次數(shù)；考慮到SIFT算法在設(shè)置距離比閾值時的局限性，固定的參數(shù)設(shè)置不能適應所有圖像，因此需要對SIFT算法匹配階段的距離比閾值進行參數(shù)尋優(yōu)。本文以折半查找法作為基礎(chǔ)，設(shè)計了一個能夠滿足要求的尋優(yōu)算法；對于檢測到的特征點中偏差較大的匹配點，采用特征點對之間的特征一致性的幾何約束進行粗匹配剔除。實驗表明，改進算法在性能上得到了提高。
　　 繼SIFT算法出現(xiàn)之后，陸續(xù)涌現(xiàn)了一系列的變種算法。本文對這些變種算法也進行了研究，并進行

4、了分析和對比實驗。通過對比實驗發(fā)現(xiàn)，雖然這些算法較SIFT算法在某些方面的確有所改進，但是同時也損失了SIFT算法的其他性能，如算法的使用范圍、尺度不變特性以及算法的計算復雜度。因此，對SIFT 算法進行深入研究仍然是必要的。目前SIFT算法改進和完善工作主要聚焦于提高算法的計算效率、找到更精確的特征檢測算法或更有效的特征描述子等方面。另外，由于SIFT算法描述部分本身就受到生物神經(jīng)方面的啟發(fā)，后續(xù)研究考慮繼續(xù)將生物學的原理應用于SIF