基于SIFT算法的圖像特征點(diǎn)提取與匹配.pdf

1、近年來(lái)，隨著數(shù)碼攝像及存儲(chǔ)設(shè)備的發(fā)展普及，數(shù)字圖片呈現(xiàn)爆發(fā)式增長(zhǎng)，對(duì)角數(shù)字圖像的計(jì)算機(jī)匹配及拼接需求也越來(lái)越大。計(jì)算機(jī)圖像匹配是計(jì)算機(jī)視覺(jué)的基本問(wèn)題，也是很重要的圖像分析和處理技術(shù)；除了在遙感領(lǐng)域，圖像匹配還廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、軍事、交通、醫(yī)學(xué)等諸多行業(yè)。本文主要對(duì)圖像匹配及相關(guān)技術(shù)進(jìn)行了研究探索，在深入分析常用匹配算法的基礎(chǔ)上，完成了基于多視角圖像的特征點(diǎn)提取、匹配及圖像拼接。
　　圖像匹配主要有基于灰度的匹配方法、基于圖像特

2、征的匹配方法等，論文首先在研究上述兩種方法的基礎(chǔ)上，對(duì)兩種方法在圖像不同條件下的匹配性能進(jìn)行實(shí)驗(yàn)比對(duì)，得出基于圖像特征的匹配方法具有耗時(shí)少、精度高、適應(yīng)性好等特點(diǎn)，在圖像匹配性能方面優(yōu)于基于圖像灰度的匹配方法。
　　基于以上結(jié)論，論文對(duì)基于特征匹配的方法中一些常用的特征點(diǎn)提取算子進(jìn)行了研究，以平移、旋轉(zhuǎn)、縮放、仿射等變換對(duì)圖像進(jìn)行多視角模擬，并加入噪音干擾，研究不同的特征點(diǎn)提取算法在圖像不同條件下的匹配性能；通過(guò)數(shù)據(jù)分析，得出SI

3、FT算子具有較好的魯棒性和獨(dú)特性，對(duì)外界環(huán)境改變具有較好的適應(yīng)能力，相對(duì)于其他算子具有一定優(yōu)越性，因此確定以SIFT算法進(jìn)行本文的圖像匹配處理。
　　文章深入研究了SIFT特征點(diǎn)提取的原理及過(guò)程，以基于K-D樹(shù)結(jié)構(gòu)的近鄰算法對(duì)呈線性變換的兩幅圖像在不同視角和噪聲干擾情況下進(jìn)行了特征點(diǎn)的粗匹配，并通過(guò)隨機(jī)抽樣一致性算法(Random Sample Consensus)進(jìn)行特征點(diǎn)的提純，刪除例如錯(cuò)誤的匹配特征點(diǎn)對(duì)。針對(duì)粗匹配后誤匹配點(diǎn)