栾广宇，黄操军，陈争光，曹洪军

针对SIFT及其变体的图像匹配性能比较

栾广宇，黄操军，陈争光，曹洪军

（黑龙江八一农垦大学信息技术学院，大庆 163319）

由于尺度不变特征变换算法（SIFT）及其变体（PCA-SIFT、GCSIFT、SURF、ASIFT）在图像匹配应用的广泛性，总结各自特点及比较它们性能具有实际的意义。首先系统地分析了SIFT及其变体，然后在尺度和旋转变化、光照变化、模糊变化、仿射变化四种图像情况评估了它们的性能。实验结果表明在尺度和旋转变化上SIFT执行最好；在光照和模糊变化上GCSIFT执行最好；在仿射变化上ASIFT表现最好；在所有情况下PCA-SIFT性能总是第二和SURF性能最差。

特征匹配；SIFT；PCA-SIFT；GCSIFT；SURF；ASIFT

图像匹配的目的是寻求同一场景的两幅图像特征之间的对应关系。在实际应用中，两幅图像之间存在着平移、尺度、旋转、亮暗、视角等差异，这给图像匹配算法带来了挑战性。许多国内外研究人员都在专注图像匹配的性能改善，并提出了各种算法[1-3]。基于特征的图像匹配算法可分为全局特征的匹配算法和局部特征的匹配算法，并广泛地被应用于许多领域，如农业机器人采摘、运动跟踪、对象识别等。相对于全局特征匹配算法，局部特征匹配算法具有更好的稳定性。局部特征匹配算法包括特征的检测和描述两部分。特征检测应具备高重复率特征和快速检测，而特征描述应具备低维数描述。1999年David G.Lowe在尺度空间理论基础上提出了局部特征描述算法 SIFT （Scale invariant feature transform）[4-5]。SIFT算法主要包括关键点检测、描述符建立、特征匹配三步骤。……