一种面向SIFT特征匹配的过滤新算法

蒋中杰，程筱胜，崔海华，张益华

(南京航空航天大学 机电学院，江苏 南京210016)

    针对SIFT匹配算法存在误匹配的情况，提出了一种基于三角形相似的匹配特征点过滤算法，即在SIFT算法中使用欧式距离判断特征点相似性后，对匹配的特征点构造三角形，通过判别三角形相似对匹配特征点进行进一步过滤。实验结果表明，三角形相似算法能大大提高匹配精度。

    图像配准是对有重叠区域的图像进行匹配，进而获得图像间位置关系的分析处理技术。图像配准在很多行业都有着广泛的应用。但是在实际应用中，需要匹配的两幅图像之间通常存在着平移、旋转、尺度、视角等差异，这些都是图像配准会碰到并需要解决的问题。图像匹配算法中，基于灰度相关匹配算法（如SSDA，MMSE等）的主要缺点是当图像发生旋转、视角、尺度、亮暗变化时，算法会很不稳定；而基于特征的图像匹配算法（例如SIFT，Harris等）对图像几何变形、亮暗变化都有很高的鲁棒性。目前图像配准的主要研究方向都集中在基于特征的图像配准。文献［1］、［2］对几种具有代表性的基于特征的图像匹配算法进行了研究，发现SIFT算法是鲁棒性最高的特征匹配算法。

    虽然SIFT算法已经在很多领域被成功应用［1-3］，但是SIFT算法在匹配精度上还有很大改进空间。文献［4］将SIFT算法和RANSAC算法结合以去除不可靠的匹配点，可惜的是RANSAC算法虽然能滤除大部分的误匹配点，但却不能保证去掉所有的误匹配点。文献［5］、［6］提出了双向匹配的滤除策略，但是双向匹配需要自定义阈值。文献［7］对图像增加了彩色信息，可是在增加了彩色信息后，滤除的匹配点会比较多，在图像少特征点的情况下可能导致图像无法匹配。

本文提出了一种基于三角形相似的过滤新算法，通过判断三角形相似甄别匹配点是否正确。与其他过滤算法相比，三角形相似法过滤的特征点较少，但是正确率却会大大提高。

1SIFT算法

    SIFT匹配算法流程主要由4步构成：构建高斯尺度空间、特征点检测、特征点描述符生成和特征匹配［8-9］。

1.1尺度空间特征点

    文献［10］证明了高斯核函数是可以实现尺度变化的唯一核函数。采集的图像经过不同尺度高斯模糊，将采样生成N层高斯尺度空间金字塔，然后将高斯尺度空间金字塔中每一层的图像再做不同参数的高斯模糊，使得高斯尺度空间金字塔每一层都有多张图像，其中同一层的图像大小相同。然后把同层高斯尺度空间金字塔中的相邻金字塔层图像相减，得到DoG（Difference of Gaussian，简称DoG算子）差分金字塔。DoG差分空间函数D(x,y,σ)定义如下：

D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ)×I(x,y))=L(x,y,kσ)-L(x,y,σ)

G(x,y,σ)=1/2πσ2e-(x2+y2)/2σ2

式中：G(x,y,σ)为高斯函数（尺度可变）；I(x,y)为原始图像；L(x,y,σ)为经过高斯模糊的图像；k为不变尺度比例因子；σ为高斯尺度。

DoG差分金字塔建立后，比较每个像素点的周围8个像素点，以及它相邻尺度图像中的各9个像素点。如果该点为极值点，那么把该点作为候选特征点。

1.2特征点精确定位

    通过上述方法检测到的极值点是离散空间的......

作者简介：蒋中杰（1989—），男，江苏江阴人，南京航空航天大学硕士研究生，主要从事为图像处理、图像拼接等方面的研究。

（文章来源《机械设计与制造工程》如需详细资料请联系江苏机械门户网025-83726289）