改進SIFT算法在二維圖像三維重建中的應用研究

宋人杰　戚照千

【摘 要】由二維圖像恢復到三維立體結構過程中，圖像匹配技術是其中很重要的一個環節。由于SIFT算法具有對圖像平移、旋轉、縮放、甚至仿射變換保持不變性的優點，應用最為廣泛。但是SIFT算法也存在一些缺陷，如SIFT匹配點數量有限、重復率高，在大量形狀相似區域匹配正確率低，匹配時間長等。本文采用簡化SIFT模型進行雙向匹配[1]，同時增加了匹配條件即改進歐式距離匹配與余弦匹配[2]相結合，實驗結果表明，改進后的SIFT算法縮短了運算時間，提高了匹配的精準度，可以較好的應用于圖像匹配中。

【關鍵詞】SIFT；圖像處理；匹配；歐氏距離

【Abstract】In the process of the 2D image restoration into 3D structure， image matching technology is one of important link. Due to image translation， rotation， scaling， and the advantages of affine transformation keep invariance， SIFT algorithm is the most widely used. SIFT algorithm， however， the inherent defects， such as matching SIFT points limited number， high repetition rate and the low accuracy in the shape of a lot of similar area matching， matching time is long， etc. Based on the simplified model of SIFT two-way match[1]， at the same time increase the matching conditions improved distance matching combined with cosine matching[2]， the experimental results show that the improved SIFT algorithm to shorten the operation time， improves the precision of matching， can be better applied to image matching..

【Key words】SIFT； Imageprocessing； Matching； Euclidean distance

0 引言

圖像特征在圖像處理中具有非常重要的意義。目前，幾何特征、彩色特征、紋理特征和特征點在目標識別、運動估計和立體匹配等領域中均已得到了一定程度的應用。在實際應用中，圖像經常會發生變化，提取具有較強魯棒性的圖像特征就顯得尤為重要。近年來，雙目立體視覺技術成為研究的熱點，其中，如何有效的提取圖像特征進行立體匹配是核心技術之一。

本文采用目前圖像匹配領域最活躍的SIFT[3]（Scale Invariant Feature Transform，尺度不變特征轉換）算法進行圖像匹配。針對SIFT匹配點數量有限重復率高，在大量形狀相似區域匹配正確率低，匹配時間長的缺點，在保持原算法優良特性前提下，采用簡化SIFT模型，在距離匹配與余弦相似度匹配相結合的基礎下，同時采用雙向匹配，不但縮短了運算時間，而且提高了匹配的精準度，一定程度上提高了匹配的準確率。

1 標準SIFT算法

4 結束語

本文在分析原SIFT算法的基礎上，嘗試對原算法進行改進，繼承了原算法的優良特性，同時減少運算時間，提高匹配效率。但是，匹配精度和匹配時間不可同時達到最大，如何選擇最優化，將是我們要深入研究的后續問題。

【參考文獻】

[1]劉煥敏，王華，段慧芬.一種改進的SIFT雙向匹配算法[J].兵工自動化，2009，06：89-91.

[2]白廷柱，侯喜報.基于SIFT算子的圖像匹配算法研究[J].北京理工大學學報，2013，06：622-627.

[3]汪松.基于SIFT算法的圖像匹配方法研究[D].西安電子科技大學，2013.

[4]楊晶晶.數字視頻圖像預處理算法的研究與實現[D].復旦大學，2012.

[5]宋衛艷.RANSAC算法及其在遙感圖像處理中的應用[D].北京：華北電力大學，2011.

[6]曹世翔，江潔，張廣軍，袁艷.一種簡化SIFT的圖像配準算法[C]//中國航天科工集團公司.第九屆全國光電技術學術交流會論文集（下冊）.中國航天科工集團公司，2010：4.

[責任編輯：湯靜]

【摘 要】由二維圖像恢復到三維立體結構過程中，圖像匹配技術是其中很重要的一個環節。由于SIFT算法具有對圖像平移、旋轉、縮放、甚至仿射變換保持不變性的優點，應用最為廣泛。但是SIFT算法也存在一些缺陷，如SIFT匹配點數量有限、重復率高，在大量形狀相似區域匹配正確率低，匹配時間長等。本文采用簡化SIFT模型進行雙向匹配[1]，同時增加了匹配條件即改進歐式距離匹配與余弦匹配[2]相結合，實驗結果表明，改進后的SIFT算法縮短了運算時間，提高了匹配的精準度，可以較好的應用于圖像匹配中。

【關鍵詞】SIFT；圖像處理；匹配；歐氏距離

【Abstract】In the process of the 2D image restoration into 3D structure， image matching technology is one of important link. Due to image translation， rotation， scaling， and the advantages of affine transformation keep invariance， SIFT algorithm is the most widely used. SIFT algorithm， however， the inherent defects， such as matching SIFT points limited number， high repetition rate and the low accuracy in the shape of a lot of similar area matching， matching time is long， etc. Based on the simplified model of SIFT two-way match[1]， at the same time increase the matching conditions improved distance matching combined with cosine matching[2]， the experimental results show that the improved SIFT algorithm to shorten the operation time， improves the precision of matching， can be better applied to image matching..

【Key words】SIFT； Imageprocessing； Matching； Euclidean distance

0 引言

圖像特征在圖像處理中具有非常重要的意義。目前，幾何特征、彩色特征、紋理特征和特征點在目標識別、運動估計和立體匹配等領域中均已得到了一定程度的應用。在實際應用中，圖像經常會發生變化，提取具有較強魯棒性的圖像特征就顯得尤為重要。近年來，雙目立體視覺技術成為研究的熱點，其中，如何有效的提取圖像特征進行立體匹配是核心技術之一。

本文采用目前圖像匹配領域最活躍的SIFT[3]（Scale Invariant Feature Transform，尺度不變特征轉換）算法進行圖像匹配。針對SIFT匹配點數量有限重復率高，在大量形狀相似區域匹配正確率低，匹配時間長的缺點，在保持原算法優良特性前提下，采用簡化SIFT模型，在距離匹配與余弦相似度匹配相結合的基礎下，同時采用雙向匹配，不但縮短了運算時間，而且提高了匹配的精準度，一定程度上提高了匹配的準確率。

1 標準SIFT算法

4 結束語

本文在分析原SIFT算法的基礎上，嘗試對原算法進行改進，繼承了原算法的優良特性，同時減少運算時間，提高匹配效率。但是，匹配精度和匹配時間不可同時達到最大，如何選擇最優化，將是我們要深入研究的后續問題。

【參考文獻】

[1]劉煥敏，王華，段慧芬.一種改進的SIFT雙向匹配算法[J].兵工自動化，2009，06：89-91.

[2]白廷柱，侯喜報.基于SIFT算子的圖像匹配算法研究[J].北京理工大學學報，2013，06：622-627.

[3]汪松.基于SIFT算法的圖像匹配方法研究[D].西安電子科技大學，2013.

[4]楊晶晶.數字視頻圖像預處理算法的研究與實現[D].復旦大學，2012.

[5]宋衛艷.RANSAC算法及其在遙感圖像處理中的應用[D].北京：華北電力大學，2011.

[6]曹世翔，江潔，張廣軍，袁艷.一種簡化SIFT的圖像配準算法[C]//中國航天科工集團公司.第九屆全國光電技術學術交流會論文集（下冊）.中國航天科工集團公司，2010：4.

[責任編輯：湯靜]

【摘 要】由二維圖像恢復到三維立體結構過程中，圖像匹配技術是其中很重要的一個環節。由于SIFT算法具有對圖像平移、旋轉、縮放、甚至仿射變換保持不變性的優點，應用最為廣泛。但是SIFT算法也存在一些缺陷，如SIFT匹配點數量有限、重復率高，在大量形狀相似區域匹配正確率低，匹配時間長等。本文采用簡化SIFT模型進行雙向匹配[1]，同時增加了匹配條件即改進歐式距離匹配與余弦匹配[2]相結合，實驗結果表明，改進后的SIFT算法縮短了運算時間，提高了匹配的精準度，可以較好的應用于圖像匹配中。

【關鍵詞】SIFT；圖像處理；匹配；歐氏距離

【Abstract】In the process of the 2D image restoration into 3D structure， image matching technology is one of important link. Due to image translation， rotation， scaling， and the advantages of affine transformation keep invariance， SIFT algorithm is the most widely used. SIFT algorithm， however， the inherent defects， such as matching SIFT points limited number， high repetition rate and the low accuracy in the shape of a lot of similar area matching， matching time is long， etc. Based on the simplified model of SIFT two-way match[1]， at the same time increase the matching conditions improved distance matching combined with cosine matching[2]， the experimental results show that the improved SIFT algorithm to shorten the operation time， improves the precision of matching， can be better applied to image matching..

【Key words】SIFT； Imageprocessing； Matching； Euclidean distance

0 引言

圖像特征在圖像處理中具有非常重要的意義。目前，幾何特征、彩色特征、紋理特征和特征點在目標識別、運動估計和立體匹配等領域中均已得到了一定程度的應用。在實際應用中，圖像經常會發生變化，提取具有較強魯棒性的圖像特征就顯得尤為重要。近年來，雙目立體視覺技術成為研究的熱點，其中，如何有效的提取圖像特征進行立體匹配是核心技術之一。

本文采用目前圖像匹配領域最活躍的SIFT[3]（Scale Invariant Feature Transform，尺度不變特征轉換）算法進行圖像匹配。針對SIFT匹配點數量有限重復率高，在大量形狀相似區域匹配正確率低，匹配時間長的缺點，在保持原算法優良特性前提下，采用簡化SIFT模型，在距離匹配與余弦相似度匹配相結合的基礎下，同時采用雙向匹配，不但縮短了運算時間，而且提高了匹配的精準度，一定程度上提高了匹配的準確率。

1 標準SIFT算法

4 結束語

本文在分析原SIFT算法的基礎上，嘗試對原算法進行改進，繼承了原算法的優良特性，同時減少運算時間，提高匹配效率。但是，匹配精度和匹配時間不可同時達到最大，如何選擇最優化，將是我們要深入研究的后續問題。

【參考文獻】

[1]劉煥敏，王華，段慧芬.一種改進的SIFT雙向匹配算法[J].兵工自動化，2009，06：89-91.

[2]白廷柱，侯喜報.基于SIFT算子的圖像匹配算法研究[J].北京理工大學學報，2013，06：622-627.

[3]汪松.基于SIFT算法的圖像匹配方法研究[D].西安電子科技大學，2013.

[4]楊晶晶.數字視頻圖像預處理算法的研究與實現[D].復旦大學，2012.

[5]宋衛艷.RANSAC算法及其在遙感圖像處理中的應用[D].北京：華北電力大學，2011.

[6]曹世翔，江潔，張廣軍，袁艷.一種簡化SIFT的圖像配準算法[C]//中國航天科工集團公司.第九屆全國光電技術學術交流會論文集（下冊）.中國航天科工集團公司，2010：4.

[責任編輯：湯靜]