基于SIFT 特征点的图像匹配技术研究

摘要：图像配准是遥感、医学、计算机视觉等很多领域中的一个基本问题。针对特征点的匹配，该文首先采用LTS Hausdorff距离进行特征点的初匹配，然后采用基于Sampson距离的随机抽样一致性算法去除伪匹配的特征点对。实验证明，该方法可以实现图像的精确配准。

关键词： SIFT角点；LTS Hausdorff距离；图像匹配技术

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2013）28-6389-03

图像配准[1]是遥感、医学、计算机视觉等很多领域中的一个基本问题。基于特征点的图像配准技术由于计算量小、适应能力好和匹配精度高等优点近几年成为研究的热点。与传统的基于灰度的图像配准技术不同，基于特征点的图像配准技术不直接利用图像像素值进行匹配，而是通过像素值以不同形式推导形成的特征点，来实现图像匹配，该文研究一种基于SIFT角点检测的图像配准技术。

1 SIFT特征提取算子

SIFT[2-5]算子全称是Scale Invariant Feature Transform，即尺度不变特征。它首先在高斯差分多尺度空间检测特征点，以确定特征点的位置和特征点所处的尺度，然后用特征点邻域梯度的主方向作为该点的方向，最后利用梯度直方图生成特征描述符。SIFT特征匹配算法的流程如图1所示.

利用SIFT算子提取的角点结果如图2：

a）一组实验图像

2 特征点匹配

特征点匹配是指找出两幅图像（准参考图像和待配准图像）中的唯一对应特征点，来确立两个点集之间的对应关系，然后利用对应关系来求解变换模型参数，该文利用LTS Hausdorff距离[6]来匹配特征点。

Hausdorff距离是匹配点特征的一种方法，它不需要建立特征点之间的一一对应关系，只是计算两个点集之间的相似程度（最大距离），所以它可以有效地处理很多特征点的情况。1991年Daniel P. Huttenlocher与William J. Rucklidge等人提出了一种基于Hausdorff距离的计算图像间的相似度的方法。然而在图像配准中，单纯的Hausdorff距离对于噪声和孤立点的比较敏感，于是Sim、Kwon和Park提出了改进的LTS（Least Trimmed Square）Hausdorff距离，LTS Hausdorff距离在数字图像的配准中的精确度与稳定性都比较理想。鉴于此，该文的图像配准算法采用LTS Hausdorff距离。

LTS Hausdorff距离定义如下：

hL（A，B）表示是将集合A中所有点到集合B的“距离”进行排序，取第L个距离作为集合A到B的Partial Hausdorff距离，其大小取决于参数f， f=L/NA，这里NA是集合A中点的个数，0

根据上述定义，提出了改进的Hausdorff距离定义——LTS Hausdorff距离，定义为：

3 消除误匹配

消除误匹配对一般采用随机抽样一致性算法（RANSAC算法），该算法是计算机视觉领域中应用较广的比较稳健的一种估计方法。该文主要介绍由Fischler和Bolles于1951年提出的RANSAC基本算法。

RANSAC算法的输入是测量数据的一个集合μ。在集合中有一定比例的数据满足参数未知的某种模式，这些数据被称为内点。剩余的不满足参数未知的某种模式的数据被称为外点。

以直线拟合为例说明RANSAC算法的思想：在数据集合图3（a）中随机选取两点形成一条直线，并通过一定的阈值来寻找此直线的内点，由这个内点集合线性解出新的直线，再根据此新直线寻找它对应的内点，不断地重复这样的随机采样，直到某一次采样使内点数量最大，那么这次获得的直线估计就是此集合的最好估计。如图3（b）所示。

4 实验结果

基于matlab仿真平台，得到基于SIFT特征点的图像匹配结果如图4：

5 结束语

对基于特征点的图像配准，该文提出了一种基于SITT角点LTS Hausdorff距离的图像配准技术，该方法克服了传统方法的许多不足，其优点如下：（1）算法简单，易于实现；（2）由于是基于特征点匹配，运算量大大减少；（3）匹配的精度相对于其它方法比较高。

参考文献：

[1] 刘传山，贺道德，文开庭. 基于数字景区的图像配准技术应用研究[J].电脑知识与技术 ，2013，15（6）.

[2] 张羽，朱丹，王玉良. 一种改进的快速SIFT特征匹配算法[J].微计算机信息（管控一体化），2008，24 （11）：220-222.

[3] 肖若秀，蔡光程，贾建波. 利用旋转模板匹配方法对SIFT算法的改进[J].计算机技术与发展，2009，19 （5）：127-130.

[4] 骞森，朱剑英. 基于改进的SIFT特征的图像双向匹配算法[J].机械科学与技术，2007，26（9）：1179-1182.

[5] Huttenlocher D P， Klanderman G A， Rucklidge W J， Comparing images using the Hausdorff distance， IEEE Transactions on PAMI[J]，1993，15（9）：850-863.

[6] 朱延娟，周来水，张丽艳，等. 基于Hausdorff距离的多尺度轮廓匹配算法[J].中国机械工程，2004，15（17）： 1553-1556，1561.