李秀华， 刘国锐

(长春工业大学 计算机科学与工程学院， 吉林 长春 130012)



一种改进的SIFT特征匹配算法

李秀华， 刘国锐

(长春工业大学 计算机科学与工程学院， 吉林 长春 130012)

首先采用稀疏点匹配算法提取待匹配的两幅图像的轮廓，构建轮廓高斯金字塔，然后逐层进行SIFT特征匹配。仿真实验结果表明,该方法提高了匹配速度和准确性。

特征匹配； 稀疏匹配； 高斯金字塔； SIFT算法

0 引 言

三维重建系统的完成需要特征点提取、特征匹配等图像处理过程。由于立体匹配效果关系到重建的效果，所以,立体匹配环节算法的改善至关重要。常用的立体匹配方法有SIFT特征匹配方法和基于窗口稀疏匹配方法等。

SIFT特征匹配算法具有对平移、旋转、亮度的变化及尺度缩放保持不变性的优点，但是SIFT算法在匹配过程中总会出现少量误匹配的情况，这种情况需要改善。基于窗口的稀疏匹配算法提取的特征点具有很强的特征性，匹配结果相对可靠。但是当这种稀疏匹配方法用于比三棱柱结构复杂的绿色盆景植物进行匹配时，效率变低了，所以针对两种方法中存在的问题，提出了改进的SIFT算法，首先利用改进稀疏匹配算法提取物体的强特征点，然后结合改进的SIFT算法进行特征匹配。

1 SIFT算法介绍

SIFT算法是由David Lowe研究出的一种基于尺度空间不变特征的提取算法，也叫尺度不变特征方法[1]。

SIFT算法是一种在尺度空间寻找极值点的局部特征的提取算法，实现过程中确定极值点的位置、尺度、旋转不变性等局部特征[2]。……