基于尺度研究的SIFT特征匹配改进算法

摘要

图像局部特征的提取与匹配是图形图像和计算机视觉领域的一个十分重要的问题，具有仿射、光照、部分遮挡不变性的特征提取和匹配是图像局部特征的提取与匹配问题的核心内容。尺度空间理论是具备了多尺度分析技术众多优点的新兴理论，而SIFT(Scale Invariant Feature Transform)特征匹配算法是线性尺度空间理论技术的一个成功应用。如何在一幅图像的尺度空间表示形式中寻找到更多的特征点、以及如何对所寻找到的特征点进行准确的描述和匹配是该领域的研究难点，尤其是前一个问题在近年内进展较为缓慢。
　　 文章首先论述了构造尺度空间的过程，证明尺度选择和可以找到的特征点数目与位置的关系，再通过调整尺度选择策略和最优点选择策略，在图像的多尺度模式表示上检测到更多的特征点，并依据判据量化判定特征点的稳定性；其次在SIFT特征描述子匹配过程中，通过对匹配点的尺度关系进行限制和改进原始匹配策略减少误匹配，提高匹配算法的准确率。实验表明，相比于传统SIFT特征匹配算法，改进SIFT算法提高了特征点匹配的准确率，进一步提高了算法的鲁棒性。