基于自适应阈值的SIFT算法研究及应用

论文摘要

计算机视觉一直是人们研究的热点。简单地说,计算机视觉就是使用计算机智能地认知周围物体的科学。图像匹配是计算机视觉中的一个基本问题。图像匹配的条件是存在一幅待匹配图像和一幅目标图像,待匹配图像一般是目标图像的一部分,但有一定尺度、旋转和光照等方面的变化。图像匹配的任务就是在目标图像中找到待匹配图像的位置。尺度不变特征变换(Scale Invariant Feature Transform, SIFT)是目前图像匹配领域中最活跃的算法之一。SIFT特征对于图像缩放、平移和旋转都具有良好的不变性,对于光照变化和仿射变换或三维投影也具有一定的鲁棒性。由于SIFT特征的不变性优势,SIFT算法被广泛应用到图像匹配领域。但是,SIFT算法具有计算量大、计算时间长的问题,在处理实时问题时有一定的局限性。为了进一步提高SIFT的实际应用能力,本文做了以下几方面工作：(1)深入研究了SIFT算法,发现SIFT计算时间主要耗费在极值点检测和特征向量描述这两个步骤。对于一般图像,SIFT算法可以提取出数百甚至数千的匹配点对,这些匹配点对于图像拼接而言已经远远超过要求。因此,本文提出了一种自适应阈值改进SIFT算法,主要通过自动调整尺度空间极值检测中的阈值,将SIFT特征点的数量控制在一定范围,进而减小运算量。(2)实现了基于图像尺寸压缩与自适应阈值SIFT算法的图像快速拼接方法。本文将最近邻插值法、双线性插值法和双立方插值法等图像尺寸压缩方法与自适应阈值SIFT方法相结合并应用到图像拼接领域。实验结果表明,在处理由一个较大的图像序列生成全景图,要求整体效果好,拼接速度快,但对图像细节要求不高这一类问题时,该算法性能优于传统算法。(3)研究了基于相位相关与自适应阈值SIFT算法的图像拼接算法。在实际中进行图像拼接时,相邻图像的重叠区域是一定的,而且重叠区域只占图像的一小部分,在重叠区域以外进行SIFT极值点检测及描述对图像拼接没有作用。本文将相位相关法与本文提出的自适应阈值SIFT算法相结合,应用到图像拼接问题,并和传统SIFT算法、相位相关结合传统SIFT的算法进行了比较,实验结果表明本文算法有一定的速度优势。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景与意义
• 1.2 本文主要内容
• 2 图像匹配与拼接概述
• 2.1 图像匹配与拼接原理
• 2.1.1 数字图像的定义
• 2.1.2 图像匹配与拼接的数学定义
• 2.2 图像匹配与拼接算法
• 2.2.1 图像匹配算法要素
• 2.2.2 图像匹配算法分类
• 2.2.3 基于图像局部特征的匹配算法
• 2.3 图像变换矩阵
• 3 基于自适应阈值的改进SIFT算法
• 3.1 SIFT算法概述
• 3.1.1 SIFT算法的特点
• 3.1.2 SIFT算法的主要步骤
• 3.2 基于自适应阈值的改进SIFT方法
• 3.3 仿真实验与结果分析
• 3.3.1 图像缩放变换
• 3.3.2 图像旋转变换
• 3.3.3 其他变换
• 4 基于尺寸压缩与自适应阈值SIFT算法的图像拼接算法
• 4.1 图像尺寸压缩技术介绍
• 4.1.1 最近邻插值法
• 4.1.2 线性插值法
• 4.1.3 双立方插值法
• 4.2 基于尺寸压缩的图像快速拼接技术
• 4.3 仿真实验与结果分析
• 4.3.1 实验拼接过程
• 4.3.2 压缩比与压缩方法对图像拼接性能的影响
• 4.3.3 重叠面积对图像拼接性能的影响
• 5 基于相位相关与自适应阈值SIFT算法的图像拼接算法
• 5.1 相位相关图像匹配方法
• 5.1.1 相位相关理论基础
• 5.1.2 相位相关算法
• 5.2 基于相位相关与自适应阈值SIFT算法的图像拼接算法
• 5.3 仿真实验与结果分析
• 5.3.1 不同算法间拼接速度比较
• 5.3.2 不同重叠区域拼接速度比较
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢