基于PCA-SIFT特征匹配的图像拼接算法

摘要

针对传统基于尺度不变特征变换(SIFT)的特征匹配图像拼接算法中数据量过大、耗时较长的问题,提出一种基于主成分不变特征变换(PCA-SIFT)的图像拼接方法.该方法使用主成分分析(PCA)法减少了传统SIFT特征描述符的维数,降低了特征点描述符数据复杂度.在提取PCA-SIFT特征的基础上,利用最近邻近算法建立特征点对之间的初次匹配,采用具有鲁棒性的随机抽样一致性算法(RANSAC)去除错误匹配,最后运用渐入渐出加权融合算法进行图像融合.40组拼接仿真实验中,图像拼接速度相较于传统的基于SIFT算法提高了46％～49％.实验结果表明,该方法在保证具有良好的拼接质量的前提下,提高了图像拼接速度.