文档介绍：一种快速提高图像特征匹配算法摘要:在不同的环境背景下,由于光照,尺度变化等影响,同一个物体的特征匹配造成了诸多的影响。采用经典的SIFT算法很好的克服光照,旋转,尺度等影响下的匹配不变性。为了提高特征匹配效率,本文采用一种改进的SIFT算法,分别在生成同心圆并加以约束条件特征描述符和使用双向匹配方式同分析原有经典算法基础上做了改进。关键词:图像处理;特征匹配;SIFT;约束条件;双向匹配中图分类号:TP391文献标识码:A文章编号:1674-7712(2015)02-0000-01在机器人研究领域中,机器视觉一直以来都是人们研究的焦点,其中在机器视觉中的一项重要内容就是图像匹配技术,并且广泛的应用在物体识别,纹理识别,图像特征提取,机器定位等应用中。本文在改进的PCA-sift[1]算法基础之上,提高特征匹配的匹配效率,在目前的SIFT特征匹配标准下,在两幅图像进行匹配的时候,虽然很多相对应的特征点在两幅图像都检测出来了,但是在匹配的时候原标准并没有将这些对应的特征点匹配上。因此本文将研究SIFT特征的匹配标准,并提出更加合理的匹配标准,从而能够更稳定的匹配更多的特征点对。为在不同场合提高算法的实时性提供有益的参考。一、改进sift特征匹配算法为了保证原有SIFT稳定特性并提高匹配效率,同时改进两方面在SIFT特征匹配的应用。一是为特征描述符降低特征维数。二是改进相似约束条件加以束缚配合双向匹配[2]。(一)改进特征描述符在研究SIFT经典算法时,生成特征描述符占据了很大一部分时间,计算量复杂可想而知,为了确保保证原有算法稳定特性。因此利用用圆来生成16维SIFT特征描述符。(二)图像匹配图像特征点最终由特征向量集表示,向量集存在相似性,通过筛选相似度更加接近的几个向量集可以有效的提高匹配效率,而不是利用传统欧式距离方式所带来的过高的错误匹配率。匹配时记录下匹配结果匹配正确的坐标,然后交换匹配的图像顺序,其实就是把标准图像和待匹配图像作反,在待匹配图像中寻找标准图像的加了约束条件的关键点位置,再进行一次匹配,求第一个特征集中的加了约束条件关键点在第二个特征集中的匹配点,即求出第一个特征集中加了约束条件关键点在第二个特征集中最近邻于此近邻比率ratio,满足这个阈值确定匹配成功,接下来可以判定匹配完成,通过实验表明加了约束条件的双向匹配能较大地提高匹配的稳定性。二、实验结果分析本实验以MATLAB2010a为实验运行平台,操作系统为Windows7,主频为Inter(R)core2DuoCPUT5800,,显卡为NVDIA8500GE,内存为2G的PC机上完成实验成果。本实验中所有素材均来自作者手机实物拍摄。通过两组图像的实验对比分析,第一组是无变化影响效果图,通过效果图发现两种算法性能都比较优越,但是细致观察改进SIFT算法表现成果比较突出。第二组是两幅参与匹配图像中的蓝色书籍分别从书籍的左右两侧拍摄采集,并且待匹配图像略加些噪声。通过效果图看出原SIFT算法很明显三处匹配错误,但整体上来说还是