文档介绍：摘要图像匹配在遥感、医学、计算机视觉等很多领域中有着广泛的应用,是提取和匹配图像特征是实现图像自动配准的一种重要方法。SIFT(尺度不变特性变换,ScaleInvariantFeatureTransform)最初是作为一种关键点的特征提取出来的,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、防辐射[4]等变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。作为一种优秀的局部特征描述子,SIFT算子被广泛应用于目标识别、图像配准、室内场景定位等场合。论文着重介绍了一种基于图像特征值的匹配方法(SIFT算法),包括SIFT算法的发展历史,算法特点,主要思想和实现步骤,然后实现SIFT特征点提取,以寻找一种优化算法,减少SIFT的算法复杂度。(介绍用什么实验,得到什么结论)关键词:SIFT算法,特征匹配,特征点提取AstractInremotesensingimagematching,putervisionmanyadjacentdomaininawiderangeofapplications,,urbetweentranslation,rotationandanti-radiationsuchtransformationunderthecircumstanceofthematchingproblem,,SIFToperatorsarewidelyusedintargetrecognition,imageregistration,(SIFTalgorithm).IncludingSIFTalgorithmdevelopmenthistory,algorithmcharacteristics,plexity.(请不要直译)Keywords:SIFTalgorithm,featurematching,featurepointextraction,simplifiedalgorithm. 目录摘要 I第1章绪论 2第2章智能优化方法 3第3章SIFT基本算法 10第4章SIFT算法的改进方案 14第5章实验结果及分析 15致谢 16参考文献 17附录 (ScaleInvariantFeatureTransform)[8]于1999年提出,2004年哥伦比亚大学的DavidLowe[7]提出了一种新的提取特征点的算法—SIFT算法。后来,Y。ke将其描述子部分用PCA代替直方图的方式,对SIFT算法进行改进,目前基于改进SIFT特征点的算法在图像处理中的应用越来越广泛,而且近年来这方面的研究也取得了很大的成果。较好的解决了物体遮掩、旋转缩放、视觉变换引起的图像变形等问题。本文主要针对图像匹配中的SIFT算法进行研究,然后将图片编程到OPENCV软件中,并借助gsl来实现改进的SIFT算法[1]的可用性。,SIFT算法作为一个崭新特征提取的技术,具有强大和精确的匹配能力和广阔的发展和应用空间。对SIFT算法的改进和优化方法也有很多,如降低特征向量维数,增强算法的独特性和鲁棒性等。目前新型改进算法CSIFT,将SIFT与颜色不变量相结合[19]。SIFT算子的应用邻域很广泛,目前已应用于目标识别、移