基于改進SIFT算法的建筑物圖像特征點提取

鄧志強 張輝 張鳳眾

摘 要：針對SIFT算法對建筑物圖像進行匹配時會出現大量誤匹配點問題，本文先采用像素方差生成灰度圖的方法對圖像顯著區域進行檢測，消除背景區域的干擾。實驗結果表明，改進后的算法可提高匹配速度和準確率。

關鍵詞：SIFT;特征點提取;像素方差;顯著性區域

1 緒論

圖像的特征點提取是計算機視覺的一個重要問題。為了解決圖像的特征點識別問題，相關學者提出了SIFT算子，這種算子對圖像的幾何變形和仿射變換都具有不變性。但是，在建筑物的圖像識別方面，SIFT算法存在一些問題。[1]對于一個有背景的建筑物圖像，提取出來的特征點一般均勻分布在建筑物區域和背景區域，背景的特征點匹配不僅增加了匹配時間，還容易引起特征點的誤匹配，進而影響整個圖像的匹配結果。[2]針對以上問題，本文在SIFT 算法基礎上進行改進，進而提高 SIFT 算法匹配率和匹配速度。

2 SIFT算法簡介

SIFT（Scale Invariable Feature Transform，SIFT）即尺度不變特征變換算法。[3]這種算法是用來進行局部特征的提取和描述，并廣泛應用于計算機圖像處理鄰域。該算法在處理目標圖像時可以消除的光線、噪聲和尺度變換和各種環境因素帶來的影響，因此SIFT 算法的處理速度快，有良好的魯棒性。該算法的基本原理是將不同尺度下的特征點提取出來，生成特征描述子，再把它們依次進行比對，找出原圖和目標圖中若干對相互匹配的特征點。[4]

3 改進的算法

圖像的顯著性區域是指在人類視覺注意力模型中的能吸引觀察者注意力的區域，在建筑物圖像中就是除背景圖以外的帶有建筑物圖像的區域。

大量實驗表明，使用常用的人類視覺注意力模型來提取顯著性區域，時間開銷大，使圖像匹配速度得不到提升。[5]如果只對顯著性區域進行圖像匹配，匹配的速度和準確率都會得到提升，并且不會影響到原算法的魯棒性。

本文中首先使用基于像素方差來進行顯著性區域的檢測，利用像素方差來衡量像素的顯著程度，并通過一個修正因子k來調節圖像顯著性區域的大小。具體流程如圖1所示：

與原算法不同的是，原算法采用的是直接通過RGB圖像生成灰度圖，本文是利用RGB圖像轉換成的Lab圖像求出每個像素的像素方差，通過像素方差和調節因子共同作用產生灰度圖。產生的灰度圖消除部分背景的影響，使生成的SIFT特征點向圖像的建筑物區域集中，如下圖所示：

對比圖2的（a）和（b）可以看出，采用改進的算法來提取的特征點大部分集中在建筑物區域上，只有少部分特征點在背景區域上.這樣一來，就可以減小背景區域對圖像匹配的影響.然后再使用SIFT算法來進行圖像的特征點匹配，匹配效果圖如下所示：

4 結語

本文算法結合像素方差對SIFT算法進行改進。實驗結果表明，算法的改進使目標圖像中的特征點個數減少，匹配時間縮短了，匹配準確率也有所提升。

參考文獻：

[1]蔡興泉，柳靜華.建筑物圖像識別系統設計與實現[J].現代計算機（專業版），2015（21）：18-20.

[2]Lowe D G.Distinctive Image Features from Scale-Invariant Keypoints[J].International Journal of Computer Vision，2004，60（2）：91-110.

[3]聶春鵬，張廣輝，宋婷.SIFT特征匹配算法的研究[J].裝備制造技術，2014（6）：182-183.

[4]于明，王倩，郭迎春.一種圖像的顯著區域提取方法[J].光電工程，2012，39（8）：18-25.

[5]柳靜華.面向移動應用的建筑物圖像識別技術研究[D].北方工業大學，2015.