基于支撑描述的SIFT匹配方法

《基于支撑描述的SIFT匹配方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2014年5月第40卷第5期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsMav2014V01．40No．5基于支撑描述的SIFT匹配方法郑红刘振强温天骁(北京航空航天大学自动化科学与电气工程学院，北京100191)摘要：为减少局部结构相似等因素导致的图像匹配错误，提出一种基于支持描述的匹配判定方法．利用尺度不变特征变换(SIFT，ScaleInvariantFeatureTransform)算法获得初始匹配集，选取其中稳定性较高的特征点对建立支撑特征集；根据支撑特征点的分布，对初始匹配集的剩余特

2、征点对进行支撑描述，并根据所生成支撑描述符的相似程度，判定剩余特征点对是否为正确匹配．经判定正确的匹配特征点对被加入支撑特征集，使支撑特征集动态扩展，保证了支撑特征点的分布密度及支撑描述的准确性．实验结果表明，该方法能够在保留正确匹配的同时，消除90％以上的错误匹配，有效提高正确匹配率．关键词：图像匹配；支撑描述；尺度不变特征变换；特征描述符；误匹配校正中图分类号：TP391．4文献标识码：A文章编号：1001—5965(2014)05-0685-05SIFTmatchingmethodbasedonsupportdescriptionZhengHongLiuZhenqiang

3、WenTianxiao(SchoolofAutomationScienceandElectricalEngineering，BeijingUniversityofAeronauticsandAstronautics，Beijing100191，China)Abstract：Toreducetheimagematchingerrorscausedbylocalstructuresimilarityandotherfactors，amatchingjudgmentmethodbasedonsupportdescriptionwasproposed．Aninitialmatching

4、setwasobtainedbyscaleinvariantfeaturetransform(SIFT)algorithm，fromwhichthemorestablefeaturepointswereextractedtobuildasupportfeatureset．Accordingtothedistributionofsupportfeaturepoints，asupportdescriptionontheremainingfeaturepointsoftheinitialmatchingsetwasperformed．Andsimilaritydegreebetwee

5、nthegenerateddescriptorswasusedtodeterminewhetherthefeaturepointsmatchcorrectly．Afterjudgmentthecorrectmatc-hingfeaturepointswereaddedtothesupportfeatureset，SOthatthesupportfeaturesetexpandeddynamicallyanddistributiondensityofthesupportfeaturepointsandaccuracyofthesupportdescriptionwouldbegu

6、aran—teed．Experimentalresultsshowthattheproposedmethodcanpreservethecorrectmatcheswhileeliminatingmorethan90％mismatchesandimprovethecorrectmatchingrateeffectively．Keywords：imagematching；supportdescription；scaleinvariantfeaturetransform(SIFT)；featurede-scriptor；mismatchingcalibration图像匹配从场景的两

7、幅或多幅图像中确定点对应关系，是计算机视觉的重要内容，在图像配准三维重构、目标识别以及目标跟踪等领域有着广泛应用¨。。．由于局部不变特征对图像平移、旋转、尺度、光照以及一定程度的视点变化具有不变性，基于局部不变特征的匹配方法可以获得较为精确稳定的图像匹配效果．文献[6]对多种局部不变特征算法进行评估比较，发现尺度不变特征变换(SIFT，ScaleInvariantFeatureTransform)算法¨1在大多数测试中表现出优秀的鲁棒性和准确性，可得到正确率较高的匹配结果．收稿日期：2013