宋人杰　戚照千

【摘 要】由二维图像恢复到三维立体结构过程中，图像匹配技术是其中很重要的一个环节。由于SIFT算法具有对图像平移、旋转、缩放、甚至仿射变换保持不变性的优点，应用最为广泛。但是SIFT算法也存在一些缺陷，如SIFT匹配点数量有限、重复率高，在大量形状相似区域匹配正确率低，匹配时间长等。本文采用简化SIFT模型进行双向匹配[1]，同时增加了匹配条件即改进欧式距离匹配与余弦匹配[2]相结合，实验结果表明，改进后的SIFT算法缩短了运算时间，提高了匹配的精准度，可以较好的应用于图像匹配中。

【关键词】SIFT；图像处理；匹配；欧氏距离

【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

图像特征在图像处理中具有非常重要的意义。目前，几何特征、彩色特征、纹理特征和特征点在目标识别、运动估计和立体匹配等领域中均已得到了一定程度的应用。在实际应用中，图像经常会发生变化，提取具有较强鲁棒性的图像特征就显得尤为重要。近年来，双目立体视觉技术成为研究的热点，其中，如何有效的提取图像特征进行立体匹配是核心技术之一。

本文采用目前图像匹配领域最活跃的SIFT[3]（Scale Invariant Feature Transform，尺度不变特征转换）算法进行图像匹配。针对SIFT匹配点数量有限重复率高，在大量形状相似区域匹配正确率低，匹配时间长的缺点，在保持原算法优良特性前提下，采用简化SIFT模型，在距离匹配与余弦相似度匹配相结合的基础下，同时采用双向匹配，不但缩短了运算时间，而且提高了匹配的精准度，一定程度上提高了匹配的准确率。……