基于无监督学习的SIFT鲁棒图像匹配算法.pdf

《基于无监督学习的SIFT鲁棒图像匹配算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于无监督学习的SIFT鲁棒图像匹配算法袭著有(1．西北工业大学力学与土木建筑学院，陕西西安710072；2．辽宁工业大学理学院，辽宁锦州121001)RobustSIFTImageMatchingAlgorithmBasedonUnsupervisedLearningxIZhu—you’(I．SchoolofMechanics，CivilandArchitecture，NorthwesternPolytechnicalUniversity，Xi’an710072，China；‘2．College

2、ofScience，LiaoningUniversityofTechnology，Jinzhou121001，China)摘要：SIFT特征匹配算法的匹配能力强，但特learning；SIFT；robust征点中孤立点和噪声点等会导致部分特征点误匹配；不同图像间特征点的有关描述相近，也会造成两0引言幅不同结构的图像，在提取出各自的SIFT特征点后相互匹配。为此，提出一种改进SIFT的图像特SIFT特征_1]匹配算法将一幅图像变换为某些征匹配算法。该算法是在SIFT特征匹配的基础具有不变的特征集合，

3、同时通过尺度空间的特征点上，利用无监督学习方法对匹配异常点进行剔除，实检测，得到特征点位置和特征点的尺度；并利用图像现特征点的二次精确匹配。的邻域像素梯度方向来计算特征点的主方向，从而关键词：图像匹配；无监督学习；SIFT；鲁棒性完成算子针对尺度与方向的无关性；最后构造特征中图分类号：TN919．81点相应的描述，以便对相异图像特征点实施匹配[2]。文献标识码：A在光照变化、图像几何变形、分辨率差异和旋转等情文章编号：1001—2257(2014)03—0071—03况下，SIFT描述符比不变矩和

4、互相关等其他常用描Abstract：Duetotheinvarianceofscale，rota—述符的性能更好J。tion，illumination，SIFT(scaleinvariantfeature1无监督学习算法transform)descriptoriscommonlyusedinimagematching．However，ontheonehand，inpractical1．1K均值聚类算法applicationstheisolatedpointandthenoisepointK均值聚类

5、算法]，是到目前为止用于科学与maycausemismatchingpoints．Ontheotherhand，工程应用中的多种算法中极有影响力的技术。SIFTfeaturepointsrecordtherelationshipofdif—K均值聚类算法的工作原理：首先，从数据集ferentscalebetweenthefeaturepointandaround中随机选取个点作为初始的聚类中心；其次，计算每it，SOeasilycausedthedescribedsimilarbetween个样本

6、与聚类中距离，将样本归到距离它最近那个聚类的中心所在类；最终计算形成的各个新聚类数thedifferentimagefeaturepointanditcanbematchedeachotherafterextractingtheirfeature据对象平均值取得新聚类中心，如果相邻2次聚类中心无任何变化，则表明样本的调整已经结束，聚类points．Inordertosolvetheproblem，thispaperproposedafeaturepointmatchingmethodbasedon

7、准则的函数达到收敛。K均值聚类算法步骤为：a．从个数据中任意选择k个对象视为起始聚SIFTalgorithm，useunsupervisedlearningmeth—odstoclassifythematchingpointsandeliminate类中心。b．根据任一聚类对象均值(中心对象)，计算其theabnormalpoints，achievingthegoalofthesec—对象与中心对象的距离，同时根据最小距离再对相ondaccuratefeaturematching．关对象做划分。K

8、eywords：featurematching；unsupervisedc．重新计算每个(有变化)聚类均值(中心对收稿日期：2013—11—20象)。《机械与电子}2014(3)无d．循环b到c，直到任一聚类不会发生变化为使用聚类分析，取得孤立、噪声及其不相关结构特征止。点的簇，并进行分析对比两幅图像之间簇的相应关K均值聚类算法的算法流程如图1所示。系，进行异常的匹配点删除，使图像能够再次精确的开始卜_输入样本，类别数匹配l7]。算法步骤为：随机选取补初始类心a．采用SIFT算子对