基于SIFT特征點的圖像匹配算法

摘 要:SIFT特征點是圖像的一種尺度不變局部特征點。首先給出了尺度空間的生成方法;接下來給出了SIFT特征點的提取步驟和精確定位方法，基于特征點鄰域像素的梯度和方向生成了關鍵點的描述向量;最后根據特征向量給出了匹配方法，提取了SIFT特征點，并將其應用于圖像匹配。實驗結果說明，使用SIFT特征點可以有效實現圖像匹配。關鍵詞:SIFT算法; 圖像匹配; 尺度空間; 高斯核

中圖分類號:TN919-34;TP391.4 文獻標識碼:A

文章編號:1004-373X(2010)18-0101-03

Image Matching Algorithm Based on SIFT Feature Point

GAO Feng1， WEI Shao-hua1， WANG Xue-tong2

(1. North Institute of Information Engineering， Xi’an Technological University， Xi’an 710025， China;

2. School of Computer Science and Engineering， Xi’an University of Technology， Xi’an 710048， China)

Abstract: SIFT feature point is a kind of feature which is invariant to scale. Method for generation scale space of image is presented， then steps for picking up sift key point are provided. Vectors for describing key point are generated based on the gradient magnitude and orientation of pixels neighboring to the key point. Matching algorithm is presented based on vectors. The experiment shows that it is efficient for image matching.Keywords: SIFT algorithm; image matching; scale space; Gaussian kernel

0 引 言

圖像匹配技術是圖像處理和計算機視覺領域的一項重要技術。圖像匹配，就是在機器識別事物的過程中，將已知圖像與陌生圖像的全部或部分在空間上對準，根據已知模式的圖像在一幅陌生圖像中尋找對應該模式的子圖像過程。圖像匹配所涉及的應用領域包括工業檢測、遙感地形匹配、光學和雷達圖像跟蹤、工業流水線自動監控、交通管理、醫療診斷、圖像檢索等諸多領域。

目前，圖像匹配技術有基于與像素灰度相關的匹配、基于圖像特征的匹配、基于語義網絡的匹配以及基于神經網絡和遺傳算法的匹配等多類方法。近年來，基于局部不變量描述符的方法在圖像匹配領域取得了顯著進展。SIFT[1](scale invariant feature transform)方法是Lowe在2004年提出的一種局部不變特征點的提取方法。SIFT特征是圖像的局部特征，對旋轉、尺度縮放和亮度變化保持不變，對視角變化、仿射變換和噪聲也保持一定程度的穩定性。SIFT還具有獨特性、多量性和可擴展性等多項特點。基于SIFT特征的算法目前在圖像拼接[2]、遙感圖像[3]的配準等很多領域都得到了應用。……