SIFT错配改进的二阶高斯分析

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (1): 191-193.

• 图形、图像、模式识别 • 上一篇下一篇

SIFT错配改进的二阶高斯分析

易军凯，王玮

北京化工大学信息科学与技术学院，北京 100029

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-01 发布日期:2012-01-01

Second-order Gaussian analysis of SIFT mismatch improvement

YI Junkai, WANG Wei

College of Information Science and Technology, Beijing University of Chemical Technology, Beijing 100029, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-01 Published:2012-01-01

摘要/Abstract

摘要： SIFT算子由于其良好的尺度、旋转、光照等不变性而被广泛应用于计算机视觉、目标识别、医学图像处理等领域。但无论采用何种算法，错配难以避免。针对错配点消除的问题，在对SIFT算法及RANSAC算法进行研究的基础上，提出二阶高斯算法。该算法根据特征点间的欧式距离，利用高斯函数为匹配点加权，筛除权值不在阈值范围内的匹配点。实验表明，与RANSAC算法相比，该算法的特征点正确匹配率明显提高，对错配点消除有较强的鲁棒性。

关键词: 二阶高斯, 图像匹配, 错配点消除

Abstract: Due to the invariance of scale, rotation and illumination, SIFT descriptor is widely used in computer vision, object recognition, medical image processing and other fields. But whatever methods taken, it is difficult to avoid mismatches. The second-order Gaussian algorithm is proposed to improve the accuracy of image matching after researching SIFT and RANSAC. Based on the Euclidean distance between feature points, the matching points are weighted by a Gaussian function. By comparing these weights, the points whose weight is not in the scale of a threshold are eliminated. The experimental results show that compared with RANSAC, the correct rate of the second-order Gaussian is significantly improved, and it has a good robustness to mismatches eliminated.

Key words: second-order Gaussian, image matching, mismatches eliminated

易军凯，王玮. SIFT错配改进的二阶高斯分析[J]. 计算机工程与应用, 2012, 48(1): 191-193.

YI Junkai, WANG Wei. Second-order Gaussian analysis of SIFT mismatch improvement[J]. Computer Engineering and Applications, 2012, 48(1): 191-193.

[1]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[2]	卫保国，张玉兰，周佳明. 图像匹配中的特征点筛选方法[J]. 计算机工程与应用, 2021, 57(3): 208-214.
[3]	蔡秀梅，卞静伟，吴成茂，王妍. 基于LBP的鲁棒特征提取与匹配方法研究[J]. 计算机工程与应用, 2021, 57(16): 228-236.
[4]	魏玮，张芯月，朱叶. 改进的SIFT结合余弦相似度的人脸匹配算法[J]. 计算机工程与应用, 2020, 56(6): 207-212.
[5]	李佳芮，黄斯翀，徐修贤，康希睿，汪沛. 融合边缘信息和扩展邻域的异源图像匹配[J]. 计算机工程与应用, 2019, 55(14): 182-190.
[6]	李和阳，孙云莲，黄雅鑫，黎圣旻，余军伟. 基于图像匹配的变压器套管工况识别方法研究[J]. 计算机工程与应用, 2018, 54(5): 211-216.
[7]	孙福盛，韩燮，丁江华，刘涛. LYTRO相机光场图像深度估计算法及重建的研究[J]. 计算机工程与应用, 2018, 54(13): 175-180.
[8]	王其浩1，2，王斌1，2. 用于图像购物搜索的局部匹配算法[J]. 计算机工程与应用, 2017, 53(6): 246-251.
[9]	徐天阳，吴小俊. 基于Gabor变换的快速跟踪算法[J]. 计算机工程与应用, 2016, 52(6): 134-138.
[10]	兰红，王秋丽. 基于聚类和马氏距离的多角度SURF图像匹配算法[J]. 计算机工程与应用, 2016, 52(21): 211-217.
[11]	付偲1，2，邓丽1，2，卢根1，2，费敏锐1，2. 基于快速视网膜关键点算法改进的图像匹配方法[J]. 计算机工程与应用, 2016, 52(19): 208-212.
[12]	王宪保，潘海飞，章国琼，何文秀，姚明海. 一种快速的加权矢量图像匹配方法[J]. 计算机工程与应用, 2016, 52(16): 137-141.
[13]	董晓庆，陈洪财. 光照变化环境下的SIFT改进算法[J]. 计算机工程与应用, 2016, 52(15): 222-227.
[14]	李昕宇，侯春萍，王宝亮，宁国津，于奎星. 基于图像匹配的移动应用自动化测试方法研究[J]. 计算机工程与应用, 2016, 52(13): 43-47.
[15]	涂国勇1，2，李壮1，2，李伟建2. 基于多尺度支持度匹配SAR图像与光学图像[J]. 计算机工程与应用, 2016, 52(11): 181-184.

SIFT错配改进的二阶高斯分析

Second-order Gaussian analysis of SIFT mismatch improvement

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics