SIFT算法研究内容概述-论文.pdf

《SIFT算法研究内容概述-论文.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、第24卷第6期长春大学学报V01．24No．62014年6月JOURNALOFCHANGCHUNUNIVERSITYJune2014SIFT算法研究内容概述袁荣庆，谢劲松(长春理工大学机电工程学院，长春130022)摘要：SIFT算法是目前立体匹配技术的研究热点，因其匹配能力较强，能处理两幅图像平移、旋转、仿射变换等情况下的匹配问题，甚至对于任意角度拍摄的图像也有较稳定的匹配能力。该算法目前的中文资料较少，基于此本文对其研究主要内容进行简单介绍并结合具体实验图像分析。关键词：图像匹配；尺度不变特征变换；SIFT描述子中图分类号：TP317．53文献标志码：A文章编号

2、：1009—3907(2014)06—0728—030引言尺度不变特征变换(ScaleInvariantFeatureTransform)一简称SIFT算法是由就职于英属哥伦比亚大学主攻机器视觉方向的DavidLowe提出的，该算法首先要寻找尺度空间中的极值点，通过提取局部特征来提取算法。我们研究的SIFT算法主要由以下四步组成。1尺度空间极值点检测尺度空间的理论目的是模拟图像的多尺度特征。采集到的特征点的图像特征必须保持尺度不变性，并且在多尺度空间内完成，其中较为典型的是高斯卷积。高斯卷积能很好的实现尺度变换，也能很好的进行线性变换。我们用下式定义一幅二维图像的尺

3、度空间：H(，Y．o9=G(，Y，o9，(，Y)(1)G(x,y,o-)：她(2)。其中G(，Y，or)是尺度可变高斯函数，(，Y)表示图像像素点位置，表示空间因子，由上式得到的值越小表示图像的尺度越小。SIFT算法第一步就是要获得尺度空间的极值点，为了能有效的检测到关键点，我们提出了高斯差分尺度空间这一概念。下式是高斯差分函数。D(，y，or)=(G(，Y，kor)一G(，Y，or))赤(，Y)=L(，Y，ko")一L(，Y，or)(3)高斯差分函数相比于其他的函数在极值点检测中有着较高的计算效率，并且和尺度归一化的拉普拉斯高斯函数VG有近似的关系，另外计算相比其

4、他算子也较为简单。图像金字塔的构建：理论上图像金字塔共有0组，每组的图像层数有5层。图1表示了两组图像金字塔，它们都是通过高斯差分尺度空间建立起来了，如图1中箭头所示，第二组最底层图像由第一组第一幅到最后一幅图像降采样得到。图2为DOG算子的构建示意图，两个相邻区间的差异在高斯金字塔创建一个间隔difference．of-Gaussian金字塔所示。在构造图像金字塔的过程中，首要是建立图像金字塔的第一层。金字塔的第一层都是由被检测图像进行高斯卷积之后得到的该图像的不同尺度空间。对第一层第一幅图像进行两倍尺度两倍像素距离下采样得到图像金子塔中第二层的第一幅图像，并以该

5、图像为基准做高斯卷积，得到第二层的全部图像。同样的道理，第三层的第一幅图像也是由第二层第一幅图像以两倍尺度两倍像素距离降采样得到的，之后通过对第三层第一幅图像进行高斯卷积得到该层的全部图像。以此类推，可以得到用高斯差分函数处理过得全部图像，并呈现出金字塔形状。其过程用图3表示。收稿日期：2013—12—30作者简介：袁荣庆(1988一)，男，山东泰安人，硕士研究生，主要从事CAD／CAM方面研究；谢劲松(1969一)，男，四川成都人，副教授，博士，主要从事CAD／CAM方面研究。730长春大学学报第24卷最大峰值的代表了极值点的主方向。就此，我们极值点检测完毕，得到

6、了图像中极值点的尺度空间大小、极值点主方向和极值点的位置信息。②o口t2图5由梯度方向直方图确定主梯度方向4关键点的描述在确定了关键点之后，为了计算上的方便，我们需要用向量的形式将关键点表征出来，描述的信息不仅要包括关键点的信息也要包括关键点周围的其他像素点信息，该向量具有唯一性，我们称之为SIFT描述子。具体方法是首先将关键点周围的图像分块，然后和我们在确定关键点主梯度方向时一样，在分块的区域内建立梯度直方图，从而确定该区域内的独特向量。图6表示一个SIFT描述子实例。图中中心点表示的是确定的关键点，左图中的每一个小方格表示关键点周围的邻域尺度空间内的一个像素，方

7、格内箭头的长短和方向分别表示了该像素点的梯度值大小和方向。以关键点为原点的360。方向内囤夫寻找邻域内的像素点并将每8×8方格内的像素点建立如右图领域梯度方向关键点特征向量所示的特征向量图。我们可以看到，每8×8的方格内像素点能够累加成为一个种子点，而一个关键点要包括4个这样的种子图6关键点领域信息产生特征向量点信息。这种方法虽然复杂，但是能很好的结合关键点邻域内的像素点信息，提高了算法的抗噪能力，有利于匹配精度的提高。5结语SIFT算法目前在军事、工业和民用方面都得到了不同程度的应用，其应用已经渗透了很多领域，比如物体识别、犯罪现场特征提取、三维建模和指纹与人