摘要:SIFT(Scale Invariant Feature Transform)算子因其良好的尺度、旋转、光照等不变特性而广泛地应用于图像匹配中.但在实际应用中,一方面由于孤立点、噪声点等的影响,从而导致特征点误匹配;另一方面由于SIFT特征点是记录特征点与周围点在不同尺度空间内的相互关系,这样易造成不同图像间特征点的有关描述相近,从而造成两幅不同结构的图像在提取出各自的SIFT特征点后也可以相互匹配.为此,本文提出一种改进的SIFT图像特征匹配算法.该算法是在SIFT特征匹配的基础上,利用准则函数动态聚类的方法即K-均值聚类法,对匹配的点进行分类比较,删除异常匹配点,实现特征点的二次精确匹配.实验表明:该算法可以有效地减小孤立点、噪声点以及结构不相关性的影响,提高SIFT特征匹配精度.