基于主方向梯度的SIFT算法匹配的优化

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (13): 149-152.

基于主方向梯度的SIFT算法匹配的优化

雷俊锋，朱月苓，肖进胜，郭勇，张存

武汉大学电子信息学院，武汉 430072

出版日期:2015-07-01 发布日期:2015-06-30

Improved of SIFT matching algorithm based on main gradient of direction

LEI Junfeng, ZHU Yueling, XIAO Jinsheng, GUO Yong, ZHANG Cun

School of Electronic Information, Wuhan University, Wuhan 430072, China

Online:2015-07-01 Published:2015-06-30

摘要/Abstract

摘要： 在相似区域较多的图像匹配时，SIFT（Scale Invariant Feature Transform）算法的匹配计算（KDtree-BBF）较复杂，耗时长，很难满足实时性要求。提出一种改进的匹配算法，将特征点的周围邻域的主方向梯度作为特征之一，采用主方向梯度和欧式距离相结合的计算方法进行特征点的匹配。实验结果表明：改进的算法不仅简单易行，且对图像的旋转、缩放、光照变换均具有良好的鲁棒性，比较原OpenSIFT算法还发现，改进算法的加速比范围为1.046~9.065。

关键词: 图像匹配, SIFT算子, 主方向梯度, 鲁棒性

Abstract: In matching image with many similar regions, the original image matching algorithm（KDtree-BBF） based on SIFT（Scale Invariant Feature Transform） is complex, time-consuming, it is difficult to meet the real-time requirement. To overcome the shortcomings above, an improved algorithm is proposed. The method identifies the main gradient of direction of neighbor feature points as one of the features, which is combined with the distance similarity matching for matching. Experimental results show that the proposed algorithm not only is simple but also has a good robustness on the conditions of image rotating, zooming and lighting transformation. Compared with the original OpenSIFT algorithm, the improved algorithm speedup ratio is in the range of 1.046~9.065.

Key words: image matching, Scale Invariant Feature Transform（SIFT）, main gradient of direction, robustness

雷俊锋，朱月苓，肖进胜，郭勇，张存. 基于主方向梯度的SIFT算法匹配的优化[J]. 计算机工程与应用, 2015, 51(13): 149-152.

LEI Junfeng, ZHU Yueling, XIAO Jinsheng, GUO Yong, ZHANG Cun. Improved of SIFT matching algorithm based on main gradient of direction[J]. Computer Engineering and Applications, 2015, 51(13): 149-152.

[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]	白祉旭，王衡军，郭可翔. 基于深度神经网络的对抗样本技术综述[J]. 计算机工程与应用, 2021, 57(23): 61-70.
[4]	李松，刘哲，唐小妹，吴健，王飞雪. 基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法[J]. 计算机工程与应用, 2021, 57(16): 90-96.
[5]	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.
[6]	黄晓琪，王莉，李钢. 融合胶囊网络的文本-图像生成对抗模型[J]. 计算机工程与应用, 2021, 57(14): 176-180.
[7]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.
[8]	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.
[9]	范纯龙，何宇峰，王翼新. 大权值抑制策略用于训练卷积神经网络[J]. 计算机工程与应用, 2020, 56(2): 115-119.
[10]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[11]	李云，马英红. 基于属性约简集评价节点重要性研究[J]. 计算机工程与应用, 2019, 55(5): 149-158.
[12]	何丽，刘颖，韩克平. 噪声标注下的改进TSVM学习算法[J]. 计算机工程与应用, 2019, 55(17): 44-50.
[13]	蒋云彪，郭晨，于浩淼. 自主水下航行器的鲁棒自适应姿态控制算法[J]. 计算机工程与应用, 2019, 55(17): 266-270.
[14]	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.
[15]	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.