一种SIFT像素点筛选预处理降维双向匹配方法

doi:10.3969/j.issn.1006-2475.2016.09.012

计算机与现代化

一种SIFT像素点筛选预处理降维双向匹配方法

(1.南昌航空大学信息工程学院，江西南昌330063; 2.桂林电子科技大学图像图形智能处理重点实验室，广西桂林541004）

收稿日期:2016-02-23 出版日期:2016-09-12 发布日期:2016-09-13
作者简介:胡晨（1988-），男，江西鄱阳人，南昌航空大学信息工程学院硕士研究生，研究方向：计算机视觉；江泽涛（1961-），男，江西都昌人，桂林电子科技大学图像图形智能处理重点实验室教授，博士，研究方向：计算机视觉，图像处理与模式识别，信息安全。
基金资助:
国家自然科学基金资助项目(61272216,61572147)；桂林电子科技大学图像图形智能处理重点实验项目资助(GIIP201501,LD14129X)

A SIFT Pixel Filter Pretreatment Dimensionality Reduction Bidirectional Matching Method

(1. School of Information Engineering, Nanchang Hangkong University, Nanchang 330063, China; 2. Intelligent Processing Key Laboratory of Image, Guilin University of Electronic Technology, Guilin 541004, China)

Received:2016-02-23 Online:2016-09-12 Published:2016-09-13

摘要/Abstract

摘要： 针对SIFT算法误匹配点多和匹配速度慢的问题，本文提出一种SIFT像素点筛选预处理降维双向匹配方法，在SIFT构造DoG空间前进行像素点筛选预处理，减少无用特征点产生；在特征描述符生成时进行降维处理，减少运算量；最后使用约束配准算法，实现SIFT双向匹配。实验结果表明，本文改进的方法显著地提高了匹配精度和效率。

关键词: SIFT特征匹配, 像素点筛选, 降维, 双向匹配

Abstract: Aiming at the problem of many error matching points and slow matching speed of SIFT algorithm, this paper presents a SIFT pixel filter pretreatment dimensionality reduction bidirectional matching method. Before SIFT constructing DoG space, the pixel point needs to preprocess, in order to reduce the useless feature points producing. During feature descriptor generating, the dimensionality needs to be reduced, in order to reduce the amount of computation. Finally, using the constraint registration method, the SIFT bidirectional matching is realized. The experimental results show that the improved method can improve the accuracy and efficiency of matches.

Key words: SIFT feature matching, pixel filter, dimension reduction, bidirectional matching

中图分类号:

TP751

胡晨1，江泽涛2. 一种SIFT像素点筛选预处理降维双向匹配方法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2016.09.012.

HU Chen1, JIANG Ze-tao2. A SIFT Pixel Filter Pretreatment Dimensionality Reduction Bidirectional Matching Method[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2016.09.012.

参考文献

［1］丁南南. 基于特征点的图像配准技术研究［D］. 长春:中国科学院（长春光学精密机械与物理研究所）, 2012.
［2］ Lindeberg T. Edge detection and ridge detection with automatic scale selection［J］. International Journal of Computer Vision， 1998,2(30):117-154.
［3］ Lowe D G. Object recognition from local scale-invariant features［C］// The 7th International Journal Conference on Computer Vision. 1999:1150-1157.
［4］ Lowe D G. Distinctive image features from scaleinvariant key points［J］. International Journal of Computer Vision, 2004,60(2):91-110.
［5］闸旋，王慧，程挺,等. 一种基于分块策略的SIFT特征快速提取与匹配方法［J］. 测绘科学技术学报, 2014(5):505-509.
［6］ Yan K, Sukthankar R. PCA-SIFT: A more distinctive representation for local image descriptors［C］// Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2004,2:II-506-II-513.
［7］ Bay H, Ess A, Tuytelaars T, et al. Speeded-Up robust features (SURF)［J］. Computer Vision and Image Understanding, 2008,110(3):346-359.
［8］ Morel J M, Yu G. A per［J］. SIAM Journal on Imaging Sciences, 2009,9(2):438469.
［9］宛蓉，蒋丹妮，周天顺. 基于改进的SIFT算法的异源影像匹配［J］. 地理空间信息, 2014,12(4):63-65.
［10］卢朝梁，马丽华，陈豪. 改进的SIFT特征匹配算法［J］. 空军工程大学学报（自然科学版）, 2014,15(1):72-76.
［11］阮芹，彭刚，李瑞. 基于特征点的图像配准与拼接技术研究［J］. 计算机与数字工程, 2011,39(2):141-144.
［12］刘焕敏，王华，段慧芬. 一种改进的SIFT双向匹配算法［J］. 兵工自动化, 2009,28(6):89-91.
［13］吕倩丽，邵永社. 基于SIFT特征的异源遥感影像匹配方法研究［J］. 计算机工程与应用, 2012,48(36):171-176.
［14］宋佳乾，汪西原. 基于改进SIFT特征点匹配的图像拼接算法［J］. 计算机测量与控制, 2015,23(2):512-515.
［15］禹铁夫. 基于局部图像内容的特征匹配算法研究与改进［D］. 沈阳:沈阳工业大学, 2015.
［16］邵向鑫. 数字图像拼接核心算法研究［D］. 长春:吉林大学, 2010.
［17］文雪中,马红. 一种基于金字塔相似层的SIFT双向匹配算法研究［J］. 城市勘测, 2015(4):99-102.

[1]	刘锟, 曾曦, 邱梓珩, 陈周国, . 基于RoBERTa-WWM 和HDBSCAN的文本聚类算法[J]. 计算机与现代化, 2022, 0(03): 48-52.
[2]	徐惠, 铁治欣, 舒莹. 基于特征匹配的快速降维排序搜索方法[J]. 计算机与现代化, 2022, 0(02): 85-91.
[3]	黄欣辰, 皋军, 黄豪杰. 基于PCA降维的成对约束半监督聚类集成[J]. 计算机与现代化, 2021, 0(01): 94-99.
[4]	周芳宇, 陈淑荣. 一种特征增强的Tri-CNN行人再识别方法[J]. 计算机与现代化, 2020, 0(09): 60-65.
[5]	黄建理,杜金燃,谢家全,秦科. 一种基于改进KNN的大数据离群点检测算法[J]. 计算机与现代化, 2017, 0(5): 67-70,75.
[6]	郭琳，翟社平，高山. 知识图谱中的语义推理算法[J]. 计算机与现代化, 2017, 0(12): 71-76.
[7]	刘会河，徐维超，刘舜. 基于SVM的降维方法在三类ROC分析中的应用[J]. 计算机与现代化, 2016, 251(07): 49-54.
[8]	郭海凤1，2，陈月霞1，孙周宝2. 改进的ISOMAP算法在人脸识别中的应用[J]. 计算机与现代化, 2015, 0(9): 25-29.
[9]	周丽芬. 基于SIFT的图像匹配算法[J]. 计算机与现代化, 2014, 0(7): 63-67.
[10]	苏锦旗，张文宇. 基于模糊聚类的改进LLE算法[J]. 计算机与现代化, 2014, 0(5): 10-13.
[11]	陈觉之;张贵荣;周宇欢. 基于CCA和PCA的说话人特征降维研究  [J]. 计算机与现代化, 2013, 1(6): 16-19.

一种SIFT像素点筛选预处理降维双向匹配方法

A SIFT Pixel Filter Pretreatment Dimensionality Reduction Bidirectional Matching Method

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价