基于改进SIFT的图像匹配算法研究

题名	基于改进SIFT的图像匹配算法研究
作者	岳宗达
导师	赵小强 ; 梁宗辉
答辩日期	2016
学位名称	硕士
关键词	图像匹配特征匹配特征描述尺度不变特征变换局部二进制
摘要	图像匹配是图像处理和机器视觉领域的热点问题。各国的专家学者对图像匹配算法做了大量的深入研究,目前,它已在图像拼接、医学图像分析、目标检测、生物特征识别等多个领域得到广泛的应用。图像匹配算法可分为四类:基于变换域的匹配、基于模型的匹配、基于灰度的匹配和基于特征的匹配。其中基于特征的匹配算法具有对各种变化鲁棒性强、灵活性好的特点而备受关注,是目前应用最为广泛的一类方法,本文对基于特征的方法进行了介绍,并对其中应用最为广泛的尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法进行了深入的研究和学习,在此基础上分析了现有算法的不足,并提出了相应的改进方法。本论文的主要研究工作如下:(1)针对图像匹配中SIFT算法的仿射不变性差、算法运算量大、实时性低的问题,提出了一种基于Hessian-Affine迭代Radon-SIFT方法。首先利用SIFT特征检测方法确定初始特征点,并用Hessian-Affine迭代算法估计仿射不变区域;然后将提取到的椭圆区域归一化为圆形区域,在对应圆形区域内进行主方向确定并做一系列直线,将这些直线上的图像Radon变换作为特征描述符,从而提高了对视角变化的鲁棒性和匹配速度。(2)针对图像匹配中SIFT算法计算复杂度高、实时性差的问题,提出了一种新的基于局部二进制模式(Local Binary Patterns,LBP)和图变换的匹配算法。首先采用SIFT特征检测提取特征点;然后用新的LBP算法对特征区域进行描述并产生29维的特征描述向量,降低了描述子的复杂度,并以欧氏距离为度量准则进行初始匹配;最后采用图变换匹配算法剔除误匹配点,从而提高算法的运算速率和匹配精度。(3)针对图像拼接中SIFT算法计算复杂度高和误匹配影响匹配精度的问题,提出了一种基于自适应非极大值抑制(Adaptive Non-maxima Suppression,ANMS)的Radon-SIFT方法。首先采用SIFT特征检测提取初始特征点并用ANMS对初始特征点进行优选,从而得到分布均匀的特征点集;然后在特征区域内做一系列直线,以这些直线上的Radon变换值作为特征描述符,并在以欧氏距离为度量准则进行特征匹配后采用随机抽样一致性算法剔除误匹配点,从而提高算法的正确匹配率和运算速率。
页数	59
URL	查看原文
语种	中文
收录类别	CNKI
中图分类号	TP391.41
文献类型	学位论文
条目标识符	https://ir.lut.edu.cn/handle/2XXMBERH/91899
专题	兰州理工大学
作者单位	兰州理工大学
第一作者单位	兰州理工大学
推荐引用方式 GB/T 7714	岳宗达. 基于改进SIFT的图像匹配算法研究[D],2016.