針對圖像匹配在不同的光照、表情等背景下存在可靠性及有效性較低的問題,本文提出一種改進的SIFT特征的圖像匹配算法。算法通過構(gòu)建高斯差分尺度空間以保留原始圖像信息并增加特征點數(shù)量,計算相鄰點及上下尺度空間對應(yīng)點以尋找極值點,調(diào)整Harris Corner檢測器參數(shù)以實現(xiàn)刪除低對比度的關(guān)鍵點和不穩(wěn)定的邊緣響應(yīng)點,利用關(guān)鍵點鄰域像素的梯度方向分布特性,為每個關(guān)鍵點指定128維的方向參數(shù),并進行關(guān)鍵點描述子的生成,最后將兩幅圖片的描述子進行匹配并得到結(jié)果。實驗結(jié)果表明,該算法在不同背景下能有效完成圖像匹配的計算,滿足應(yīng)用軟件的時效性要求。 

【文章來源】：智能計算機與應(yīng)用. 2020,10(08)

【文章頁數(shù)】：3 頁

【部分圖文】：

原圖與σ為2.0的對比圖

為了檢測圖片中的關(guān)鍵點，需要對每個點與其相鄰的點進行比較。同一平面中，一個點相鄰的點共有8個，但在尺度空間中還需要考慮到不同尺度的情況，因此，一個點相鄰的點共有26個，當(dāng)該值是最大或最小值時，就認為該點為極值點。如圖2所示。在極值比較時，最頂層和最底層無法完成，即邊界點無法進行極值比較，為了滿足尺度變化的連續(xù)性，在每組圖像的邊界層利用高斯模糊生成3幅圖像，用以完成極值的比較。

通過對50組實驗對象進行匹配，統(tǒng)計結(jié)果見表1。本組實驗的準確率AC=(TP+TN)/(TP+TN+FP+FN)=(33+14)/(33+14+2+2)=94%，精確率P=TP/(TP+FP)=33/(33+1)=97%，召回率R=TP/(TP+FN)=33/(33+2)=94.28%。4 結(jié)束語

【參考文獻】：
期刊論文
[1]改進的SIFT結(jié)合余弦相似度的人臉匹配算法[J]. 魏瑋,張芯月,朱葉.  計算機工程與應(yīng)用. 2020(06)
[2]基于不變矩理論的灰度人臉圖像匹配算法研究[J]. 李鐵,付媛媛,張弛,劉洋.  電腦知識與技術(shù). 2018(28)
[3]旋轉(zhuǎn)紋理不變模型下的快速人臉匹配方法[J]. 向世濤,文暢,謝凱,賀建飚,劉從浩.  計算機工程與設(shè)計. 2018(03)
[4]基于SURF和形狀上下文的人臉匹配算法[J]. 師碩,于洋,楊志堅,于明.  計算機應(yīng)用研究. 2018(10)
[5]基于模擬退火算法的三維人臉匹配方法[J]. 王曉斌,馮魯橋,楊媛靜.  電子科技大學(xué)學(xué)報. 2015(04)



本文編號：3235807