基于SIFT算法的图像匹配方法研究
论文名称：《基于SIFT算法的图像匹配方法研究》
指导教师：王俊平
论文作者：汪松
毕业院校：西安电子科技大学
文章内容概要
- 解释了图像匹配的概念及其应用领域
- 绍了图像匹配的原理、概念，对匹配的一般程、关键要素以及各类匹配方法进行了深入的研究说明
- 基于特征的图像匹配技术的特性，提出了从图像平滑和图像增强两方面对图像进行匹配预处理方法
- 提出一种基于高斯滤波和 Wallis 滤波相结合的图像匹配预处理方法
- 对目前几种比较经典的基于图像特征的特征提取算子进行了详细的研究与分析
- 对 SIFT 算子在尺度空间构造和特征描述符生成方面进行了简化，并提出基于 KD-tree 和计算准欧式距离的双向匹配方法
- 提出了一种基于简化 SIFT 算法的图像双向匹配方法，提高匹配的精度、匹配点数量和匹配效率
图像匹配相关技术介绍
- 图像匹配技术是一种通过对图像内容、特征、结构、关系、纹理及灰度等对应关系，相似性和一致性的分析，寻求相同图像目标的方法
- 图像匹配问题分类
- 不同成像传感器获取的同一场景的图像匹配问题，即多传感器的匹配问题
- 利用模板从图像中匹配某些特定目标，即模板图像的匹配问题
- 针对来自不同视角拍摄的图像进行匹配的问题
- 不同时间或不同条件下，同一场景图像的匹配问题
- 成像设备和成像过程中视角改变、环境中的噪声、目标运动或变形、光照或者环境因素的改变，经常会使不同条件下，在同一场景拍摄的图像有很大的差异
图像匹配预处理
- 抑制噪声提高实时图像的信噪比是图像匹配预处理的一个重要环节
- 图像匹配平滑处理常用的算法有均值滤波、中值滤波和高斯滤波
- 图像增强是数字图像处理技术中最基本的方法之一，为了改善视觉效果或便于人或机器对图像的分析理解
- 图像增强主要目的主要是去除噪音、边缘增强、提高对比度、增加亮度改善颜色效果、改善细微层次等
图像特征提取
- 全局特征，主要包括图像的纹理特征、颜色特征、形状特征等
- 局部特征，通过提取图像的局部信息，如点特征的提取
- 全局特征的提取是基于图像的全局信息。由于全局特征的计算速度快，所以在图像检索中应用的比较广泛。但是全局特征区别性不够，因此提出了局部特征的提取方法
- 图像特征提取的经典算子
- Moravec 算子
- Harris 算子
- SUSAN 算子
- SIFT 算子
基于SIFT算法的图像匹配方法
- SIFT 算子具有良好的尺度、旋转、光照等不变特性，对视角变化、仿射变换、噪声也保持一定的稳定性
- 存在匹配点数量有限、算法效率低、精度差、匹配时容易产生重复点等缺点，并且在特征点分布均匀的情况下匹配准确率低等问题
实验效果图
