论文摘要：双目视觉导引中的改进SIFT图像匹配算法研究

图像匹配技术是模式识别和图像融合的重要前端技术。基于特征的图像匹配技术具有特异性好、精确度高的优点，成为了计算机视觉研究的热点并得到广泛应用，其中特征检测和描述子匹配是最为核心的技术。

针对传统匹配算法出现的匹配模糊问题，本论文研究融合颜色信息和全局信息的新型SIFT（Scale Invariant Feature Transform）匹配算法——SCARF（Shape-Color Alliance Robust Feature）算法。对特征描述子部分，由于SIFT是针对灰度图像进行处理的局部匹配算子，因此在对彩色图像或者有多个相似的局部区域图像进行匹配时，常出现误匹配现象。本文构造的描述子框架是由Hessian-Laplace检测器提取图像的特征点集，在SIFT描述子的基础上对于全局信息分量，根据形状上下文算法的思想，通过建立同心圆坐标系，计算特征点的主曲率值最后得到32维全局形状描述向量；对于颜色不变性分量，根据Kubelka-Munk的理论求得颜色不变量，并利用上述建立的坐标得到了32维颜色不变性描述向量。新的匹配算法采用了向量之间的欧氏距离作为SCARF描述子框架中三个分量的匹配代价函数，分别对它们设立合理的权重参数，组成了整个算子的匹配代价函数。最后对包括SCARF算法和SIFT算法在内的5种不同匹配算法通过INRIA标准数据库进行了实验验证，实验结果表明：SCARF算法在处理图像各种复杂变换的情况时匹配准确率优于SIFT等其他算法，降低了误匹配的概率，明显提高了匹配的鲁棒性。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/290159.html