一種改進的SURF快速匹配算法

崔振興，曾 威，楊明強，韓 峰

（山東大學 信息科學與工程學院，山東 濟南 250100）

0 引言

在圖像處理與計算機視覺中，局部圖像特征的描述與檢測可以用來幫助辨識物體，因此對物體的局部特征提取具有很重要意義.1999年，Lowe［1］提出了SIFT（scale－invariant feature transform）算法，并在2004年進行了改進［2］.SIFT算法用來檢測與描述圖像中的局部性特征，它在尺度空間中尋找極值點，提取出其位置、尺度、旋轉不變量等特征值并生成128維的特征向量.但是由于SIFT統計的是關鍵點周圍鄰域的梯度信息，計算復雜度高，并且需要形成128維的高維向量，在特征匹配時耗時巨大，不能達到實時性要求.近年來，基于SIFT改進的算法層出不窮［3－4］.為了提高匹配速度，文獻［5］提出了主成分分析法（principal component analysis，PCA），運用PCA降低特征向量的維數.為了增強特征描述子的唯一性，文獻［6］提出用以關鍵點作為圓心的同心圓代替棋盤格來計算梯度方向直方圖，并計算得到一個272維的特征向量，然后通過主成分分析法將特征向量降成128維.此方法雖然能提高特征向量的獨特性，并增加了特征匹配的準確率，但同時也增加了運算時間.Bay等［7］于2006年提出了SURF（speeded up robust features）算法，其速度比SIFT算法提高了3～5倍，準確度也有所提升.在基于視覺的目標識別過程中，人們最關心的問題是識別的準確度和能否實時處理.由于SURF算法特征描述子的維數為64維，與SIFT算法的描述子相比雖然已經減少了很多，但是要達到特征之間的實時匹配仍然顯得吃力.相對于SIFT算法，SURF算法在速度上的提升是因為使用……