王 强

(1.成都工业学院 机械工程学院，成都 611730；2.西南交通大学 机械工程学院，成都 610031)

用SIFT算法实现铁路扣件图像分类

王 强1，2

(1.成都工业学院 机械工程学院，成都 611730；2.西南交通大学 机械工程学院，成都 610031)

基于图像特征点的匹配是解决很多问题的关键，不同的应用场景有不同的要求。研究SIFT算法在进行匹配的参数选择问题，结合随机抽样一致集算法(RANSAC)，剔除错误的匹配，分析参数选择对匹配结果的影响，研究不同尺寸图像特征点生成关系。针对SIFT算法对光照的敏感性问题，通过图像增强再进行匹配，结合位置信息，实现了特征点数量较少的小图像铁路扣件图像的分类。

SIFT算法；图像分类；参数选择；位置信息；特征

图像特征点检测和匹配在计算机视觉图像方面的应用广泛，包括纹理分类[1-2]，运动物体跟踪[3]，人脸识别[4]，人脸检测[5]等。特征点检测的准确性直接关系到最终的图像处理结果，因此图像特征点的检测一直是研究的重点。通过检测图像局部特征点，对不同图像中的同一物体进行匹配。早期的特征点检测方法有Moravec[6]提出的基于角点检测的视频图像匹配算法。Harris等[7]提出了利用图像梯度的角点检测算法。Rosten等[8]提出了FAST特征点检测算法，通过比较中心像素与邻域像素的大小，然后计算得分值来检测特征点。Calonder等[9]提出了BRIEF特征点检测和匹配算法，准确地说BRIEF是一种特征描述算法，采用汉明距离进行特征配对来对特征点进行描述。Rublee等[10]提出了结合BREIEF和FAST算法的ORB检测算法，结合了图像特征点的检测和方向描述。……