一种基于小波变换的改进的尺度不变特征匹配算法

摘要

为了解决SIFT算法运行时间过长，匹配率不高的问题，本发明提出了一种改进的SIFT算法。在原来经典的SIFT算法的基础上，引入了二维Mallat快速小波变换算法，重建图像的低频成分，再对高斯金字塔组数进行调整，减少降采样次数，最后通过优化的RANSAC算法剔除误匹配点。改进后的算法不仅减少了匹配耗时，而且匹配率也得到了提高，优于原SIFT算法。

主权项

一种基于小波变换的改进的尺度不变特征匹配算法，其特征在于对待配准的两幅图像进行二维Mallat小波变换分解，得到图像的低频成分和水平与垂直高频成分，舍弃经小波变换分解后的高频成分，对图像的低频成分进行重构，得到新的图像；利用两幅新图像构造尺度空间(DoG)，通过图像与不同尺度的高斯差分卷积核生成高斯金字塔，由于新图像经过小波变换，舍弃了部分信息，在构建高斯差分金字塔时，减少降采样次数，比原始生成层数少一层，减少构造尺度空间的时间；在DoG空间寻找关键点，把中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的18点共26个点进行比较，确保最终能够获得足够多的关键点。当两幅图像的SIFT特征向量生成后，下一步采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量。取样本特征点和样本特征点欧氏距离最近的特征点，在这两个特征点中，如果最近的距离除以次近的距离少于某个比例阈值，则接受这一对匹配点。降低这个比例阈值，SIFT匹配点数目会减少，但更加稳定。在计算特征点之间的欧氏距离时，采用了BBF算法来处理128维的特征向量。在对所有特征点进行粗匹配之后，使用RANSAC算法估计两个图像对之间的单位变换矩阵并将其作为几何约束，进而去除一些误匹配点，完成图像之间的精确匹配，提高匹配效率。