基于改進SIFT算法的煙包標簽匹配算法

孫顯辰 王保云 劉坤香 彭娟 陳美坤 谷雨薇

摘要：針對SIFT算法對煙包標簽圖像進行匹配時會有少量錯誤匹配的問題，提出一種基于改進SIFT算法的煙包標簽匹配算法。首先，利用中值濾波方法對煙包標簽模板和待匹配的煙包圖像進行去噪處理;其次采用SIFT算法提取煙包標簽模板和煙包圖像的特征點;然后根據余弦相似度進行特征點匹配;最后計算匹配連線的斜率，對斜率結果進行K-means聚類，從而去除錯誤的匹配結果。實驗結果表明，該方法可以解決煙包標簽圖像匹配結果出現的錯誤匹配問題。

關鍵詞：SIFT;煙包標簽;特征點匹配;K-means聚類

中圖分類號：TP391 ? ? 文獻標識碼：A

文章編號：1009-3044（2020）24-0187-02

Abstract： Aiming at the problem that there will be a small number of mismatches when matching the cigarette packet label image with the SIFT algorithm， a cigarette packet label matching algorithm based on the improved SIFT algorithm is proposed. First， the median filter method is used to pre-denoise the packet label template and the packet image; secondly， the SIFT algorithm is used to extract the feature points of the cigarette packet label template and cigarette image; then match the feature points according to the cosine similarity; finally， calculate the slope of the matching line， and perform K-means clustering on the slope result to remove the wrong matching results. Experimental results show that this method can solve the problem of mismatching in the matching results of cigarette packet label images.

Key words： SIFT; Cigarette label; Feature point matching; K-means clustering

圖像匹配是計算機視覺的一個重要的領域，通常是采用匹配算法對兩張圖像進行特征點的提取，再根據特征向量的相似度進行圖像匹配。圖像匹配的算法主要分為基于像素灰度值匹配和基于圖像特征點的匹配兩種[1]。其中基于圖像特征點的匹配算法降低了匹配過程中對光照和遮擋的影響，被廣泛應用于圖像匹配[2]。Lowe首次提出尺度不變特征變換（SIFT）算法[3]。SIFT算法對圖像的大小、角度、亮度以及放射變化等有一定的穩定性，因此被應用于遙感影像配準[4]、圖像拼接[5]以及標簽匹配[6]等領域。SIFT算法對煙包標簽有少量的錯誤匹配，為解決這個問題，對最終匹配連線的斜率進行K-means聚類，聚類結果中數量最多的一類即為匹配正確的特征點，而其他類則為應當去除的錯誤匹配結果。

1 圖像預處理

煙包圖像在采集的過程中會受到成像設備與外部環境等影響而產生噪聲，這些噪聲會直接影響到后續匹配結果的準確性。本文采用中值濾波對標簽模板和煙包圖像進行去噪處理。中值濾波方法如下：

④直到最終的標簽達到收斂精度，否則重復②③步。

3.2 實驗結果

基于SIFT的匹配結果如圖3所示，結合圖1和圖2的關鍵點可以發現，由于模板中的部分關鍵點，在煙包圖像中并沒有對應的關鍵點，在匹配的過程中，會出現少量的錯誤匹配結果。為了去除這些錯誤匹配，將匹配點的連線進行K-means聚類，數量最多的一類即為正確的匹配結果，其他類別為錯誤的匹配結果。改進SIFT的匹配結果如圖4所示，可以看出最終匹配錯誤的結果被去除。

4 結論

本文提出一種基于改進SIFT算法的煙包標簽匹配算法，實驗結果表明，在引入K-means聚類的改進算法可以有效地去除煙包匹配的錯誤結果，使最終的匹配結果更加準確。由于去除煙包匹配錯誤是在匹配結果之后，會造成識別的效率變低，今后的研究重點為在生成關鍵點之前對不合適的關鍵點進行去除，已達到更高效率、更精確的匹配結果。

參考文獻：

[1] 王宏力，賈萬波.圖像匹配算法研究綜述[C]//全國第19屆計算機技術與應用學術會議（CACIS·2008）論文集，2008：431-436.

[2] 黃海波，李曉玲，熊文怡，等.基于SIFT算法的圖像配準綜述[J].軟件導刊，2019，18（1）：1-4.

[3] LOWE D G.Distinctive Image features from scale-invariant keypoints[J].International Journal of Computer Vision， 2004， 60 （2） ：91-110.

[4] 丁國紳，喬延利，易維寧，等.基于高光譜圖像的改進SIFT特征提取與匹配[J].光學精密工程，2020，28（4）：954-962.

[5] 何惠洋，韓軍.基于SIFT算法的圖像拼接技術研究[J].自動化與儀表，2020，35（2）：57-60，79.

[6] 于林飛，李云紅，穆興，等.改進PCA-SIFT的電子標簽圖像匹配算法[J].西安工程大學學報，2020，34（2）：67-72，96.

[7] 焦揚，楊傳穎，石寶.基于SIFT、K-means和BOF的鞋底痕跡檢索[J].計算機應用與軟件，2020，37（5）：238-242.

[8] Rong Guo，Shixin Li，Ruyi Cai，Xiali Sun. Research on image matching algorithm based on improved SIFT UAV[C]. 濟南林風文化傳媒有限公司.Proceedings of 2019 International Conference on Applied Machine Learning and Data Science （ICAMLDS 2019）.濟南林風文化傳媒有限公司：濟南林風文化傳媒有限公司，2019：208-212.

[9] 劉鵬飛. 基于SIFT的圖像配準方法研究[D].哈爾濱工業大學，2019.

[10] 魏瑋，張芯月，朱葉.改進的SIFT結合余弦相似度的人臉匹配算法[J].計算機工程與應用，2020，56（6）：207-212.

【通聯編輯：梁書】