基于改進(jìn)SIFT算法的建筑物圖像特征點(diǎn)提取

鄧志強(qiáng) 張輝 張鳳眾

摘 要：針對(duì)SIFT算法對(duì)建筑物圖像進(jìn)行匹配時(shí)會(huì)出現(xiàn)大量誤匹配點(diǎn)問(wèn)題，本文先采用像素方差生成灰度圖的方法對(duì)圖像顯著區(qū)域進(jìn)行檢測(cè)，消除背景區(qū)域的干擾。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法可提高匹配速度和準(zhǔn)確率。

關(guān)鍵詞：SIFT;特征點(diǎn)提取;像素方差;顯著性區(qū)域

1 緒論

圖像的特征點(diǎn)提取是計(jì)算機(jī)視覺(jué)的一個(gè)重要問(wèn)題。為了解決圖像的特征點(diǎn)識(shí)別問(wèn)題，相關(guān)學(xué)者提出了SIFT算子，這種算子對(duì)圖像的幾何變形和仿射變換都具有不變性。但是，在建筑物的圖像識(shí)別方面，SIFT算法存在一些問(wèn)題。[1]對(duì)于一個(gè)有背景的建筑物圖像，提取出來(lái)的特征點(diǎn)一般均勻分布在建筑物區(qū)域和背景區(qū)域，背景的特征點(diǎn)匹配不僅增加了匹配時(shí)間，還容易引起特征點(diǎn)的誤匹配，進(jìn)而影響整個(gè)圖像的匹配結(jié)果。[2]針對(duì)以上問(wèn)題，本文在SIFT 算法基礎(chǔ)上進(jìn)行改進(jìn)，進(jìn)而提高 SIFT 算法匹配率和匹配速度。

2 SIFT算法簡(jiǎn)介

SIFT（Scale Invariable Feature Transform，SIFT）即尺度不變特征變換算法。[3]這種算法是用來(lái)進(jìn)行局部特征的提取和描述，并廣泛應(yīng)用于計(jì)算機(jī)圖像處理鄰域。該算法在處理目標(biāo)圖像時(shí)可以消除的光線、噪聲和尺度變換和各種環(huán)境因素帶來(lái)的影響，因此SIFT 算法的處理速度快，有良好的魯棒性。該算法的基本原理是將不同尺度下的特征點(diǎn)提取出來(lái)，生成特征描述子，再把它們依次進(jìn)行比對(duì)，找出原圖和目標(biāo)圖中若干對(duì)相互匹配的特征點(diǎn)。[4]

3 改進(jìn)的算法

圖像的顯著性區(qū)域是指在人類視覺(jué)注意力模型中的能吸引觀察者注意力的區(qū)域，在建筑物圖像中就是除背景圖以外的帶有建筑物圖像的區(qū)域。

大量實(shí)驗(yàn)表明，使用常用的人類視覺(jué)注意力模型來(lái)提取顯著性區(qū)域，時(shí)間開(kāi)銷大，使圖像匹配速度得不到提升。[5]如果只對(duì)顯著性區(qū)域進(jìn)行圖像匹配，匹配的速度和準(zhǔn)確率都會(huì)得到提升，并且不會(huì)影響到原算法的魯棒性。

本文中首先使用基于像素方差來(lái)進(jìn)行顯著性區(qū)域的檢測(cè)，利用像素方差來(lái)衡量像素的顯著程度，并通過(guò)一個(gè)修正因子k來(lái)調(diào)節(jié)圖像顯著性區(qū)域的大小。具體流程如圖1所示：

與原算法不同的是，原算法采用的是直接通過(guò)RGB圖像生成灰度圖，本文是利用RGB圖像轉(zhuǎn)換成的Lab圖像求出每個(gè)像素的像素方差，通過(guò)像素方差和調(diào)節(jié)因子共同作用產(chǎn)生灰度圖。產(chǎn)生的灰度圖消除部分背景的影響，使生成的SIFT特征點(diǎn)向圖像的建筑物區(qū)域集中，如下圖所示：

對(duì)比圖2的（a）和（b）可以看出，采用改進(jìn)的算法來(lái)提取的特征點(diǎn)大部分集中在建筑物區(qū)域上，只有少部分特征點(diǎn)在背景區(qū)域上.這樣一來(lái)，就可以減小背景區(qū)域?qū)D像匹配的影響.然后再使用SIFT算法來(lái)進(jìn)行圖像的特征點(diǎn)匹配，匹配效果圖如下所示：

4 結(jié)語(yǔ)

本文算法結(jié)合像素方差對(duì)SIFT算法進(jìn)行改進(jìn)。實(shí)驗(yàn)結(jié)果表明，算法的改進(jìn)使目標(biāo)圖像中的特征點(diǎn)個(gè)數(shù)減少，匹配時(shí)間縮短了，匹配準(zhǔn)確率也有所提升。

參考文獻(xiàn)：

[1]蔡興泉，柳靜華.建筑物圖像識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代計(jì)算機(jī)（專業(yè)版），2015（21）：18-20.

[2]Lowe D G.Distinctive Image Features from Scale-Invariant Keypoints[J].International Journal of Computer Vision，2004，60（2）：91-110.

[3]聶春鵬，張廣輝，宋婷.SIFT特征匹配算法的研究[J].裝備制造技術(shù)，2014（6）：182-183.

[4]于明，王倩，郭迎春.一種圖像的顯著區(qū)域提取方法[J].光電工程，2012，39（8）：18-25.

[5]柳靜華.面向移動(dòng)應(yīng)用的建筑物圖像識(shí)別技術(shù)研究[D].北方工業(yè)大學(xué)，2015.