马书香，杨会伟

(芜湖职业技术学院信息工程学院，安徽芜湖 241001)



基于移动平台的SIFT算法优化

马书香，杨会伟

(芜湖职业技术学院信息工程学院，安徽芜湖 241001)

本文通过快速构建图像的低频信息图像，并完成其上的特征点检测，简化SIFT(Scale Invariant Feature Transform)图像匹配算法高斯空间构造的复杂度，以此来提高特征点检测效率，提高算法在移动设备上的运行速度，并在Android平台上将优化算法和SIFT算法进行对比。实验结果表明，优化的算法在多种场景下保证配准效果的同时提高了特征点检测速度，尤其是在旋转变化条件下效果更好。

低频图像；特征点检测；配准

SIFT(Scale Invariant Feature Transform)算法的核心是通过高斯变化获取尺度空间，然后在尺度空间中寻找特征点，并提取其位置、尺度等信息，在目标识别、图像检索等图像处理领域有着广泛的应用。随着移动平台的飞速发展，将优秀的算法应用于移动平台是一种迫切需求，但是SIFT算法存在计算量大、实时性差的问题，阻碍其在移动平台上的使用。因此，优化算法是必然趋势。

1 SIFT算法的基本原理

SIFT算法是在不同尺度空间上寻找极值点，提取图像的特征不变量，主要步骤如下所示。

1.1 尺度空间构建

一幅图像的尺度空间L(x,y,σ)为

L(x,y,σ)=G(x,y,σ)*I(x,y).

(1)

其中，G(x,y,σ)为尺度可变的高斯函数，*为卷积运算，I(x,y)为原图像。

利用不同尺度的高斯差分核与图像卷积生成高斯差分尺度空间D(x,y,kσ)为

(2)

其中，k为不同的高斯核尺度，k的初始值为1，尺度以k倍递增。

1.2 尺度空间极值点检测及定位

在高斯差分空间中间的几层图像上，将每个像素点与它同尺度的8个相邻点及上下相邻尺度对应的9×2个点比较，以确定其是否为极值点。……