基于改進SIFT算法的圖像配準研究.pdf

1、圖像配準技術作為圖像處理領域中重要的一個研究方向,已經(jīng)成為目標檢測與識別,三維重構,信息檢索等眾多圖像分析應用領域的研究熱點。基于特征的配準方法首先在圖像中提取特征信息,然后根據(jù)特征之間的關聯(lián)關系進行配準。該方法的魯棒性比于基于區(qū)域的配準方法更強,因而更能適應復雜的現(xiàn)實場景配準應用。在基于特征的配準算法中,尤其需要提到尺度空間算法。在該類算法中, sift算子憑借較好的魯棒性被為廣泛應用于圖像配準領域。然而該算子仍然存在描述子生成過程復

2、雜,重復率不高,特征主方向受直方圖離散化影響以及局部特征信息利用不充分問題。
　　針對上述問題,本文重點對基于sift的圖像配準算法進行了研究與改進。為了進行算法的性能測試,本文將改進的算法進行了對比驗證。本文的研究工作主要圍繞以下幾個方面展開:
　　(1)針對sift算子生成過程復雜的問題,本文提出一種基于快速特征描述子的sift圖像配準算法。首先,該算法通過提取局部對比信息,快速構建描述子。然后結(jié)合幾何位置信息對特征點對

3、進行篩選。
　　(2)針對sift算子圖像配準中的準確率和重復率問題,本文提出了一種基于多層策略的sift算子,該方法從幾何特征一致性約束以及數(shù)據(jù)聚類兩個方向?qū)τ陉P聯(lián)的特征點對進行篩選。
　　(3)針對特征主方向受直方圖離散化影響以及局部特征信息利用不充分的問題,本文提出一種基于特征分布統(tǒng)計與一致性約束的sift算法。該算法根據(jù)點的梯度分布進行空間映射,得到主方向。然后在進行區(qū)域的特征分布統(tǒng)計,生成特征描述子。在特征匹配階段