资源描述：
《一种简化的sift图像特征点提取算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、第25卷第7期计算机应用研究Vol.25No.72008年7月ApplicationResearchofComputersJul.2008*一种简化的SIFT图像特征点提取算法高健,黄心汉,彭刚,王敏,吴祖玉(华中科技大学控制科学与工程系,武汉430074)摘要:针对目前尺度不变的图像特征点提取算法计算量较大,算法较复杂的问题,提出一种简化的SIFT图像特征点提取算法。此算法通过改变金字塔尺度空间的结构实现对SIFT特征点提取过程的简化,通过改变特征点描述子的结构实现对特征向量计算的简化,从而在保证算法鲁棒性的同时减少了计算量并
2、增强了实时性。实验证明了该算法的有效性。关键词:特征点提取;图像匹配;尺度不变特征变换算法中图分类号:TP391文献标志码:A文章编号:1001-3695(2008)07-2213-03SimplifiedSIFTfeaturepointdetectingmethodGAOJian,HUANGXin-han,PENGGang,WANGMin,WUZu-yu(Dept.ofControlScience&Engineering,HuazhongUniversityofScience&Technology,Wuhan430074,Ch
3、ina)Abstract:Thescale-invariantimagefeaturepointdetectingmethodsarealwayscomplexandneedlargecomputation.Inordertosolvetheproblem,thispaperproposedafeaturepointdetectingmethodwhichwasasimplificationoftheSIFTmethod.Themethodchangedthepyramidframeinimagescalespacetosimp
4、lifytheSIFTfeaturepointdetectingprocessandchangedthedescriptorconfigurationtosimplifytheeigenvectorcomputation.Itcouldensuretheperformanceanddecreasethecomputationatthesametime.Theexperimentalresultshaveproveditsvalidity.Keywords:featurepointdetection;imagematching;S
5、IFT(scaleinvariantfeaturetransform)method图像特征在图像处理中具有非常重要的意义。目前,几何维的特征向量空间,使用了BBF算法加快搜索过程,取得了较[5][6]特征、彩色特征、纹理特征和特征点在目标识别、运动估计和立好的效果。SIFT算法已经在图像匹配、全景拼接和视觉[7]体匹配等领域中均已得到了一定程度的应用。在实际应用中,导航等领域得到成功应用。为了更好地适应实时性要求较图像经常会发生变化,提取具有较强鲁棒性的图像特征就显得高的场合,本文提出一种简化的SIFT算法,它可以在一定程度尤为
6、重要。尺度不变的特征点对移动、旋转、噪声、缩放、遮挡上减少计算量、缩短计算时间。等图像变换均具有较强的适应能力。因而近年来,尺度不变的特征点提取算法及其应用成为了图像处理领域中的一个研究1特征点的提取热点。整个图像特征点提取算法可以分为特征点的提取和特征[1]Harris角点检测算法是一种经典的图像特征点提取算点描述与匹配。其中,如何提取鲁棒性较强的特征点是整个算法。虽然Harris角点对图像平移、图像旋转和图像噪声均具有法的基础。较强的鲁棒性,但是它却无法适应图像的尺度变化,这也在一1.1特征点的鲁棒性定程度上限制了它的应用。
7、随着图像尺度空间理论的发展,近年来一些具有尺度不变特性的特征点提取算法被提了出来。在实际的特征点提取算法中,微分算子可以实现对图像的[2]位移不变;数字图像处理中微分的差分表示可以在一定程度上这其中包括Harris-Laplacian算法、基于相位的局部特征点[3][4]适应图像的亮度改变;具有各向同性的微分算子可以适应图像提取算法、Patch-Duplets算法、Laplacian算法和SIFT算[5]的旋转变化;对图像进行高斯卷积则可以增强抵抗噪声干扰的法。前三种都是基于Harris角点并且扩展到了尺度空间以适应图像的尺度变
8、化。这类算法鲁棒性较强,但是计算较复能力;要适应图像尺度的变化就需要在图像的尺度空间中计算杂,实时性较差。与之相比,后两种算法对大噪声情况适应能规格化导数。力较差,但是算法相对简单,实时性较好。如图1所示,图像的尺度空间是这幅图像在不同解析度下[5]SIFT算法
