基于改进SIFT特征的深度图像匹配

摘要

针对尺度不变特征变化(SIFT)在深度图像匹配中存在较多不稳定的边缘特征点、特征维数过高、运算速度过慢等问题,提出一种改进的SIFT特征提取与表示方法.首先,在提取SIFT关键点的基础上,利用Harris角点检测算子对提取的特征点进行筛选,以剔除深度图像边缘区域中大量不稳定的伪特征点;然后,采用统计抽样法对提取的特征点描述子进行降维处理;最后,利用最近邻搜索进行特征匹配.实验结果表明,所提算法在不同视点、缩放与旋转、含噪等情况下的匹配正确率均在80.0％以上,与SIFT算法和SURF算法相比平均匹配正确率提高了9％,运行时间较SIFT算法降低了8％左右.