赵宁 鲁斌

摘要：图像处理是近年来人们研究的热点，图像匹配技术是图像处理技术中颇为重要的部分，SIFT算法是其发展的重要根基。由于SIFT算法有其自身局限性，提出了将图像增强技术与SIFT算法结合起来，以增加图像特征点的数量。采用了直方图均衡化和拉普拉斯增强进行处理，并提出了一种改进的图像增强算法。最后以实验验证了该方法的可行性。

关键词：SIFT算法；图像增强；特征点提取

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）26-0240-05

Abstract： Image processing is a hot topic in recent years. Image matching is an important part of image processing. The SIFT algorithm is an important foundation for its development. Because SIFT algorithm has its own limitations， this paper proposes to combine image enhancement and SIFT algorithm to increase the number of image feature points. Histogram equalization and Laplacian enhancement are used for processing， and an improved image enhancement algorithm is proposed. Finally， the feasibility of the method is verified by experiments.

Keywords： SIFT algorithm； image enhancement； feature point extraction

1 概述

圖像配准已经广泛地应用于计算机视觉、医学图像、遥感数据分析等诸多领域[1]，基于特征的图像配准是目前图像配准的主流方法。局部特征提取算法（SIFT）是Lowe[2]于1999年提出的一种特征提取算法，在特征提取领域有着十分重要的地位。局部特征从总体上说是图像或在视觉领域中一些有别于其周围的地方，通常是描述一块区域，使其能具有高可区分度。局部特征的好坏直接会决定着后面分类、识别是否会得到一个好的结果。然而SIFT具有其自身局限性：实时性不高；有时提取的特征点略少；对边缘光滑的目标无法准确提取特征点。针对提取特征点数量略少的不足，本文提出将图像增强与SIFT算法相结合，使用图像增强技术处理图像，对得到的质量更好的图像使用SIFT算法进行特征点的提取，从而得到更多的局部特征点，进而有更多的特征点进行之后的配准过程。

2 SIFT算法简述

SIFT算法是Lowe于1999年提出，并在2004年优化的用以检测和描述图像局部特征的算法[3]，其特征是图像的局部特征，对图像的尺度变化、旋转平移、缩放、保持不变性，对光线变化、视角变化、仿射变换、噪声也保持一定程度的稳定性[4]。……