基于SIFT算法的圖像特征點提取與匹配.pdf

1、近年來，隨著數(shù)碼攝像及存儲設(shè)備的發(fā)展普及，數(shù)字圖片呈現(xiàn)爆發(fā)式增長，對角數(shù)字圖像的計算機匹配及拼接需求也越來越大。計算機圖像匹配是計算機視覺的基本問題，也是很重要的圖像分析和處理技術(shù)；除了在遙感領(lǐng)域，圖像匹配還廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、軍事、交通、醫(yī)學等諸多行業(yè)。本文主要對圖像匹配及相關(guān)技術(shù)進行了研究探索，在深入分析常用匹配算法的基礎(chǔ)上，完成了基于多視角圖像的特征點提取、匹配及圖像拼接。
　　圖像匹配主要有基于灰度的匹配方法、基于圖像特

2、征的匹配方法等，論文首先在研究上述兩種方法的基礎(chǔ)上，對兩種方法在圖像不同條件下的匹配性能進行實驗比對，得出基于圖像特征的匹配方法具有耗時少、精度高、適應(yīng)性好等特點，在圖像匹配性能方面優(yōu)于基于圖像灰度的匹配方法。
　　基于以上結(jié)論，論文對基于特征匹配的方法中一些常用的特征點提取算子進行了研究，以平移、旋轉(zhuǎn)、縮放、仿射等變換對圖像進行多視角模擬，并加入噪音干擾，研究不同的特征點提取算法在圖像不同條件下的匹配性能；通過數(shù)據(jù)分析，得出SI

3、FT算子具有較好的魯棒性和獨特性，對外界環(huán)境改變具有較好的適應(yīng)能力，相對于其他算子具有一定優(yōu)越性，因此確定以SIFT算法進行本文的圖像匹配處理。
　　文章深入研究了SIFT特征點提取的原理及過程，以基于K-D樹結(jié)構(gòu)的近鄰算法對呈線性變換的兩幅圖像在不同視角和噪聲干擾情況下進行了特征點的粗匹配，并通過隨機抽樣一致性算法(Random Sample Consensus)進行特征點的提純，刪除例如錯誤的匹配特征點對。針對粗匹配后誤匹配點