改进PCA-SIFT的电子标签图像匹配算法

摘要

为了解决尺度不变特征变换(scale-invariant feature transform,SIFT)算法在电子标签图像匹配中耗时长、匹配率不高等问题,提出了基于改进PCA-SIFT的图像匹配算法.首先通过SIFT算法获取图像关键特征点,形成128维特征向量,然后采用PCA降维后进行K-means聚类,实现对电子标签的有效辨别,初步剔除无效图片,最后采用随机抽样一致性算法(random sample con-sensus,RANSAC)仿射变换,实现对电子标签的快速匹配.实验结果表明:与其他匹配算法相比,改进算法可以快速剔除无效图片,提高了匹配效率,在较为复杂的环境中有良好的检测效果.同时,采用基于PCA处理的改进SIFT算法比经典SIFT算法在时间上平均节省0.1 s,在处理速度上提高了2倍以上,正确匹配率提高6％,而且该方法具有更好的匹配效果.