SIFT與Harris算法在圖像特征點提取中的適用性研究.pdf

1、近年來，隨著數(shù)字圖像處理技術(shù)的迅猛發(fā)展，圖像特征匹配技術(shù)已在眾多領(lǐng)域之中得到了大量的應(yīng)用。至于圖像特征匹配的首要任務(wù)就是從待匹配的圖像中獲得較穩(wěn)定的圖像特征點，接著通過構(gòu)建待匹配圖像與初始圖像特征點集的關(guān)系來進行配準(zhǔn)。而對于特征點的提取涉及到選擇恰當(dāng)?shù)狞c特征提取方法，考慮到點特征的提取方法對圖像配準(zhǔn)的速度和準(zhǔn)確度有一定的影響，因而選擇合適的點特征提取的方法有一定的實用價值與理論意義。
　　本文圍繞圖像特征點的提取，針對SIFT算法

2、中降噪閾值的選值，Harris角點檢測算法與 SIFT算法在不同種類圖像特征點提取上的適用性等進行了分析研究。具體的研究內(nèi)容如下：
　　(1)為避免常規(guī) SIFT算法提取特征點時選取降噪閾值存在的盲目性，以及不恰當(dāng)?shù)慕翟腴撝凳筍IFT算法提取到的特征點效果不佳的問題，研究了在SIFT算法提取特征點時對于降噪閾值來說是否存在相對比較穩(wěn)定的值，通過選取此降噪閾值可使 SIFT算法提取圖像特征點的效果最佳。基于多組相同限制條件的實驗圖像

3、（包括原始圖像、旋轉(zhuǎn)圖像以及加“噪聲”圖像），選取不同的降噪閾值分別進行大量的實驗。實驗結(jié)果表明當(dāng)降噪閾值近似選取在30附近，此時可以使SIFT算法獲得相對比較穩(wěn)定的特征點數(shù)目。
　　(2)對SIFT算法和Harris角點檢測算法提取特征點的原理分別進行了分析，至于SIFT算法運算過程較繁瑣，而且其構(gòu)建高斯差分尺度空間的過程比較復(fù)雜，考慮到Harris角點檢測算法運算過程比較簡便。為了直觀的對兩種算法進行比較，在這里采用了文中所提

4、的3方面（特征點有效性、計算時效性以及特征點相似不變性），并在同一實驗對象的條件下對兩者進行了定量分析研究。
　　(3)為了探究出SIFT算法和Harris角點檢測算法在不同種類圖像特征點提取上的適用性。本文針對兩類圖像：折線特征主導(dǎo)的圖像與光滑曲線特征主導(dǎo)的圖像，并提出了3個方面：特征點有效性、計算時效性以及特征點相似不變性，又采用了圖像匹配對數(shù)比率、樣本均值和標(biāo)準(zhǔn)差3個相關(guān)指標(biāo)對兩種算法進行了定量研究。最終實驗結(jié)果表明，對于折