李　钦，游　雄，李　科，张彦喜

(1.郑州测绘学院，河南 郑州 450052；2.65014部队，辽宁 沈阳 110000)



PCA-SIFT特征匹配算法研究

李钦1，游雄1，李科1，张彦喜2

(1.郑州测绘学院，河南 郑州 450052；2.65014部队，辽宁 沈阳 110000)

摘要：SIFT特征具有旋转、尺度和明暗变化的不变性，在图像匹配中得到广泛应用。针对SIFT特征匹配中耗时长、匹配点对少、准确率低的问题，提出PCA-SIFT特征匹配的方法。使用更加精简的方法构建特征点描述向量，通过预先构建的投影矩阵对描述向量进行主成分分析，降低描述向量的维度从而提高了特征匹配的速度，同时降维也对描述向量进行了去噪提纯，使得匹配更加准确。实验证明，利用PCA-SIFT特征进行匹配在降低匹配耗时的同时，增加了匹配点对，匹配准确率也得到提高。

关键词：PCA-SIFT；特征匹配；描述向量；主成分分析

数字图像匹配技术广泛应用于图像拼接与融合、目标识别跟踪、摄影测量遥感、图像检索等图像处理和机器视觉领域[1]。SIFT算法因为对物体旋转、背景遮挡、尺度缩放、明暗变化、外界噪声等复杂情形，都有很好的处理效果，因此在图像匹配领域得到广泛应用。但是利用SIFT特征进行匹配过程特别复杂，存在着耗时长、匹配点对少以及匹配准确率低的问题。

针对SIFT特征提取需要消耗大量时间的问题，Bay H，Tuytelaars T等提出了SURF特征提取的方法[2,3]。SURF特征提取可大大缩短特征点匹配时间，但是匹配性能也大幅度下降，匹配准确率平均只能达到SIFT算法的30%～40%；Rublee等[4]在2011年的ICCV上提出了ORB(Oriented FAST and Rotated BRIEF)特征算子。这种基于ORB的特征提取的速度比基于SIFT、SURF的方法都有了极大的提高，但是特征匹配的准确性易受到图像纹理和不均匀光照的影响；……