【導(dǎo)讀】圖像匹配是指通過(guò)一定的算法在兩幅或多幅影像之間識(shí)別同名點(diǎn)的過(guò)程。技術(shù)，同時(shí)它也是其它一些圖像分析技術(shù)的基礎(chǔ)。正由于其應(yīng)用的廣泛性，使得。效果也有較大的出入。SIFT算法是一種基于尺度空間的算法，該算法特征是圖像。方式變換、噪聲也具有良好的穩(wěn)定性，同時(shí)SIFT算法具有獨(dú)特性好、信息量豐富，運(yùn)行速度快等特點(diǎn)。本課題研究了基于SIFT算法的圖像匹配方法，論述了SIFT算法的實(shí)現(xiàn)過(guò)程。通過(guò)實(shí)驗(yàn)，探尋SIFT在亮度變化、尺度變化、旋轉(zhuǎn)變化下的匹配效果。

　　

【正文】 配上的特征點(diǎn)集用線連接起來(lái)。 SIFT 特征提取實(shí)驗(yàn)結(jié)果 SIFT算法的核心是特征點(diǎn)的提取，首先我們將圖像轉(zhuǎn)化為灰度圖像，讓后提取出特征點(diǎn)，實(shí)驗(yàn)結(jié)果 如 圖 51。 （ a） (b) (c) (d) 基于 sift 算法的圖像匹配方法 24 (e) (f) 圖 51 圖像特征點(diǎn)的提取 通過(guò)以上實(shí)驗(yàn)，分別對(duì) 6副圖片進(jìn)行特征點(diǎn)的提取，我們得到如 表 51所示的數(shù)據(jù)，通過(guò)對(duì)數(shù)據(jù)的分析，我們可以發(fā)現(xiàn)：用 SIFT算法提取特征點(diǎn)，特征點(diǎn)的數(shù)目與物體的大小并沒(méi)有明顯的沒(méi)有關(guān)系。而與物體表 面 的紋理具有正相關(guān)的關(guān)系。當(dāng)物體的表面具有較多 較 復(fù)雜的圖像 和幾何圖形 時(shí)，我們可以得到較多的特征點(diǎn)。反之，若物體表面較為光滑，沒(méi)有 圖片和幾何圖形時(shí)，我們得到的特征點(diǎn)數(shù)目非常少。這與 SIFT的算法有關(guān)，因?yàn)榫哂袕?fù)雜表面紋理的物體在經(jīng)過(guò) DOG高斯差分函數(shù)處理后能得到更多的關(guān)鍵點(diǎn)。 表 51 不同圖像的關(guān)鍵點(diǎn)檢測(cè)數(shù)據(jù) 圖像編號(hào) 實(shí)物名稱 特征點(diǎn)數(shù)目 （ a） 水杯 42 （ b） 盒子 1 158 （ c） 盒子 2 54 （ d） 牛奶 142 （ e） 糖果 183 （ f） 牙膏 208 特征匹配實(shí)驗(yàn)結(jié)果 根據(jù) SIFT算法的理論，我們可以得知 SIFT算法具有很好的穩(wěn)定性。其對(duì)旋轉(zhuǎn)、尺度縮放、亮度變化具有保持不變的特性，對(duì)視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性。所以我們將分別對(duì)亮度、尺度、和旋轉(zhuǎn)對(duì)匹配效果的影響分別展開(kāi)研究實(shí)驗(yàn)。 亮度變換的匹配 為了取得 SIFT算法對(duì)亮度調(diào)節(jié)下的匹配效果。我們進(jìn)行如下實(shí)驗(yàn)： 如圖 52，我們分別輸入兩張亮度信息不同的圖像（ a） ,（ b），他們中都含有相同的元素。我們用 SIFT算法講兩幅圖像進(jìn)行匹配。 基于 sift 算法的圖像匹配方法 25 （ a） 高亮度圖像 (b)低亮度圖像 圖 52 輸入亮度信息不同的圖像 圖像（ a）產(chǎn)生 121個(gè)關(guān)鍵點(diǎn)，圖像（ b）產(chǎn)生了 117個(gè)關(guān)鍵點(diǎn)，將兩幅圖像的關(guān)鍵點(diǎn)進(jìn)行匹配，的到了 64個(gè)匹配點(diǎn)，匹配成功點(diǎn)用藍(lán)色的線連接起來(lái)。匹配成功率較高，也充分證明了該算法在亮度變化下也能有較好的匹配效果。 圖 53 亮度信息變化下的匹配結(jié)果 尺度變換的匹配 為了取得 SIFT算法在不同尺度下的匹配小姑，我們將進(jìn)行如下實(shí)驗(yàn)。 如圖 54，我們輸入物體在不同尺度下的 原始 圖像，用 SIFT算法對(duì)其進(jìn)行匹配，并進(jìn)行數(shù)據(jù)統(tǒng)計(jì) 。 （ a） （ b） 基于 sift 算法的圖像匹配方法 26 (c) (d) (e) (f) 圖 54 物體在不同尺度下的圖像 分別將各個(gè)圖片進(jìn)行處理，提取出 SIFT關(guān)鍵點(diǎn)集，然后進(jìn)行逐一匹配。匹配效果如 圖 55： （ a） 基于 sift 算法的圖像匹配方法 27 (b) (c) 圖 55 尺度變化下的匹配效果 表 52 尺度變化下關(guān)鍵點(diǎn)統(tǒng)計(jì)數(shù)據(jù) 圖像 大尺度關(guān)鍵點(diǎn)數(shù) 小尺度關(guān)鍵點(diǎn)數(shù) 匹配關(guān)鍵點(diǎn)數(shù) 書(shū) 196 30 36 冰紅茶 357 47 21 牙膏 192 45 41 通過(guò) 表 52數(shù)據(jù)和 圖 55匹配結(jié)果可以看出，圖像的尺度變化后，產(chǎn)生的關(guān)鍵點(diǎn)數(shù)目也響應(yīng)的減少。在匹配的過(guò)程中，匹配率相對(duì)較高，能得到多對(duì)匹配點(diǎn)。實(shí)驗(yàn)證明該算法在尺度變化下具有很好的穩(wěn)定性，能過(guò)達(dá)到較高的匹配率和較好的匹配效果。在第一組數(shù)據(jù)中，匹配上的關(guān)鍵點(diǎn)數(shù)比小尺度的關(guān)鍵點(diǎn)還要多。這是因?yàn)樾〕叨壬系囊粋€(gè)關(guān)鍵點(diǎn)可能和大尺度上的多個(gè)關(guān)鍵點(diǎn)匹配成功，產(chǎn)生了錯(cuò)誤匹配導(dǎo)致的，匹配中產(chǎn)生了錯(cuò)誤 匹配 。 旋轉(zhuǎn)變換的匹配 為了得到 SIFT算在旋轉(zhuǎn)變換情況下的匹配效果，我們輸入一張如 圖 56所示圖片，將瓶子向分別向左右兩個(gè)方向旋轉(zhuǎn) 15176。、 30176。得到四張旋轉(zhuǎn)后的圖片，然后將這些圖片分別與原圖進(jìn)行匹配，得到匹配對(duì)數(shù)。從而研究旋轉(zhuǎn)對(duì) SIFT算法的影響。 基于 sift 算法的圖像匹配方法 28 圖 56 輸入 的 原始圖像 經(jīng)過(guò) SIFT算法后，我們得到原始圖像和旋轉(zhuǎn)后圖像的特征點(diǎn)，然后進(jìn)行一一匹配，得到匹配效果如 圖 57： （ a）向右旋轉(zhuǎn) 15 度 匹配效果 （ b） 向右旋轉(zhuǎn) 30 度匹配效果 基于 sift 算法的圖像匹配方法 29 （ c）向左旋轉(zhuǎn) 15 度匹配效果 （ d）向左旋轉(zhuǎn) 30 度匹配效果 圖 57 旋轉(zhuǎn)匹配效果 表 53 旋轉(zhuǎn)變化下的關(guān)鍵點(diǎn)匹配數(shù)據(jù) 圖像對(duì) 旋轉(zhuǎn)角度 特征點(diǎn)數(shù)目 與原圖像匹配成功點(diǎn)數(shù)目 圖 0 306 0 圖 （ a） 向右 15 度 220 31 圖 (b) 向右 30 度 172 30 圖 (c) 向左 15 度 291 42 圖 (d) 向左 30 度 198 23 通過(guò)對(duì)實(shí)驗(yàn)結(jié)果 圖 57的分析和對(duì)數(shù)據(jù)的統(tǒng)計(jì) 表 53分析我們可以發(fā)現(xiàn)，雖然該算法在理論上具有很好的旋轉(zhuǎn)不變性，但是實(shí)驗(yàn)效果不是很好。我們的到的匹配對(duì)數(shù)并不是很多，即使我們的到了很多的特征點(diǎn)數(shù)。而且匹配過(guò)程中還會(huì)遇到錯(cuò)誤的匹配。這也影響到該算法的精確程度。 圖像匹配應(yīng)用 —— 物體識(shí)別 圖像匹配在 算法在現(xiàn)實(shí)生活中具有廣泛的應(yīng)用，在軍事目標(biāo)識(shí)別、工業(yè)和民用方面都有不同程度的應(yīng)用，其應(yīng)用已經(jīng)滲透到了很多領(lǐng)域，典型應(yīng)用比如：物體識(shí)別、機(jī)器人定位與導(dǎo)航、圖像拼接、三維建模、 物體 識(shí)別、視頻跟蹤、筆跡基于 sift 算法的圖像匹配方法 30 鑒定、指紋與人臉識(shí)別、犯罪現(xiàn)場(chǎng)特征提取等。本文對(duì)其中的物體識(shí)別做了簡(jiǎn)單應(yīng)用。 本文提出一種物體識(shí)別的思路，其流程如圖 58： 圖 58 物體識(shí)別基本流程 通過(guò)物體識(shí)別，我們就能找出圖像中與庫(kù)中相同的物體，雖然本文做的比較簡(jiǎn)單，但是若加以改進(jìn)，必定有很廣泛的應(yīng)用。 建立物體庫(kù) 我們建立物體庫(kù)，首先要先將物體圖片保存到庫(kù)文件夾中，把名字改為 1,2，3…… n的格式。然后通過(guò)函數(shù)提取出每個(gè)物體的特征點(diǎn)集。分別保存到數(shù)組 DD（ n）和 FF(n)中。 N代表的是第幾張圖，關(guān)鍵點(diǎn)信息存到相應(yīng)的數(shù)組中。數(shù)組 DD中前一位 128代表的是描述子采用 128維向量表征，后面一位代表該圖像的關(guān)鍵點(diǎn)數(shù)目。 作為與目標(biāo)圖像匹配的依據(jù)。 圖 59是一個(gè)以 5副圖像為庫(kù)的物體庫(kù)。 圖 59 建立物體庫(kù) 匹配成功 全 部 匹配失敗 建立一個(gè)圖像庫(kù)（ 1， 2,3…n） 對(duì)圖像庫(kù)中的圖像提取 SIFT 特征，產(chǎn)生特征關(guān)鍵點(diǎn)數(shù)據(jù)庫(kù)（ 1,2,3…n） 輸入圖像 提取出圖像關(guān)鍵點(diǎn) 將輸入圖像關(guān)鍵點(diǎn)與數(shù)據(jù)庫(kù)中的關(guān)鍵點(diǎn)一一匹配 輸出沒(méi)有找到相關(guān)匹配 輸出該圖像中含有 N 對(duì)應(yīng)的物體 基于 sift 算法的圖像匹配方法 31 圖 510 物體庫(kù)產(chǎn)生的特征點(diǎn)集 通過(guò)對(duì)每副圖像處理后，我們得到了一個(gè)數(shù)據(jù)庫(kù)。 庫(kù)的建立是通過(guò)一個(gè)循環(huán)分別尋找每個(gè)物體的特征點(diǎn)集，然后每次循環(huán)后把循環(huán)結(jié)果存入數(shù)組中。 因?yàn)槊看窝h(huán)都要調(diào)用 SIFT特征點(diǎn)提取，所以耗時(shí)較長(zhǎng)，我們分別對(duì) 9個(gè)物體的數(shù)據(jù)庫(kù)建立時(shí)間做了統(tǒng)計(jì)，統(tǒng)計(jì)數(shù)據(jù)如 表 54。 表 54 建立數(shù)據(jù)庫(kù)用時(shí)統(tǒng)計(jì) 圖像庫(kù)數(shù)目 建立庫(kù)用時(shí)（ s） 2 3 4 6 8 圖 511 建立數(shù)據(jù)庫(kù)用時(shí)統(tǒng)計(jì)圖 圖 511橫坐標(biāo)代表圖像庫(kù)中圖像的數(shù)目，縱坐標(biāo)表示建立數(shù)據(jù)庫(kù)所用時(shí)間。通過(guò)對(duì)數(shù)據(jù)進(jìn)行處理發(fā)現(xiàn)，圖像庫(kù)越多，建立數(shù)據(jù)庫(kù)用時(shí)就越長(zhǎng)，圖像數(shù)目與建基于 sift 算法的圖像匹配方法 32 立數(shù)據(jù)庫(kù)用時(shí)成正比關(guān)系，我們用軟件擬合可以得到擬合函數(shù) y = + ,X為圖像數(shù)目， Y為建立數(shù)據(jù)庫(kù)所用時(shí)間。 目標(biāo)圖像與庫(kù)匹配 通過(guò)以上算法，我們已經(jīng)建立了物品庫(kù)。并把每個(gè)物體的關(guān)鍵點(diǎn)信息存入相對(duì)應(yīng)的數(shù)組中。接下來(lái)我們需要輸入一張圖片，提取出該圖片中的關(guān)鍵點(diǎn)信息，然后將關(guān)鍵點(diǎn)與數(shù)據(jù)庫(kù)中的關(guān)鍵點(diǎn)進(jìn)行匹配，如果圖像與庫(kù)中第一組數(shù)組所存的數(shù)據(jù)匹配成功，且匹配上的關(guān)鍵點(diǎn)對(duì)數(shù)大于 5對(duì)，那么我們系統(tǒng)就判定該張圖像中含有數(shù)據(jù)庫(kù)中該組數(shù)組所對(duì)應(yīng)的物體。在結(jié)果中輸出該圖像中含有該物體，輸入圖像與庫(kù)中的每一組數(shù)組都沒(méi)有匹配成功，那么在最后的結(jié)果中我們就認(rèn)為該圖像不含有庫(kù)中的物體。 如 第 ，我們已經(jīng)建立了牛奶、盒子、書(shū)、糖果、牙膏的數(shù)據(jù)庫(kù)。我們現(xiàn)在只需輸入一張圖片，將圖像與數(shù)據(jù)庫(kù)進(jìn)行匹配。 （ a） 輸入圖像糖果 （ b)輸入含有庫(kù)中盒子和牙膏的圖像 圖 512 輸入圖像 輸入的圖像可以含有數(shù)據(jù)庫(kù)中的圖像，也可以不含有數(shù)據(jù)庫(kù)中的圖像。 （ a）輸入圖像與庫(kù)中的盒子匹配結(jié)果 基于 sift 算法的圖像匹配方法 33 (b)輸入圖像與庫(kù)中牙膏匹配結(jié)果 圖 513 輸入圖像與庫(kù)中數(shù)據(jù)匹配結(jié)果（左圖為輸入圖像，右圖為庫(kù)中的圖像） 圖 514 圖像識(shí)別輸出結(jié)果 圖 515 輸入圖像與數(shù)據(jù)庫(kù)中的圖像匹配結(jié)果 基于 sift 算法的圖像匹配方法 34 圖 516 圖像匹配輸出結(jié)果 在圖像匹配過(guò)程中，有時(shí)候會(huì)出現(xiàn)錯(cuò)誤匹配，如 圖 517，我們輸入一張含有庫(kù)中牙膏和盒子的圖像，然后與數(shù)據(jù)庫(kù)進(jìn)行比較。 圖 517 輸入圖像 與數(shù)據(jù)庫(kù)中的匹配結(jié)果如 圖 518： （ a）輸入圖像與數(shù)據(jù)庫(kù)中的書(shū)對(duì)比結(jié)果 基于 sift 算法的圖像匹配方法 35 （ b）輸入圖像與庫(kù)中牛奶匹配結(jié)果 圖 518 輸入圖像與數(shù)據(jù)庫(kù)中對(duì)比錯(cuò)誤結(jié)果 圖 519 輸入圖像識(shí)別結(jié)果 通過(guò)結(jié)果發(fā)現(xiàn)，我們得到了錯(cuò)誤的識(shí)別結(jié)果。我們輸入的圖像中并沒(méi)有牛奶和書(shū)。但是在最后的結(jié)果中我們卻得到了牛奶和牙膏，所以我們需要對(duì)程序加以修正，提高識(shí)別的準(zhǔn)確度。在這里，我們?cè)O(shè)置一個(gè)識(shí)別門(mén)限，當(dāng)匹配上的關(guān)鍵點(diǎn)對(duì)數(shù)大于這個(gè)門(mén)限的時(shí)候我們?cè)佥敵鱿鄳?yīng)的結(jié)果，否則我們就判定這是一個(gè)錯(cuò)誤的識(shí)別。在最后的結(jié)果輸出中我們不予輸出。在經(jīng)過(guò)反復(fù)的測(cè)試后，在這里我們將門(mén)限取 5，只有當(dāng)匹配上的關(guān)鍵點(diǎn)數(shù)大于 5對(duì)的時(shí)候我們才認(rèn)為該圖像與庫(kù)中的圖像匹配成功，并在最后的結(jié)果中輸出。 經(jīng)過(guò)修正后的程序輸出結(jié)果如圖 520。 圖 520 經(jīng)過(guò)改進(jìn)后的程序輸出結(jié)果 經(jīng)過(guò)修正后的程序大大提高了識(shí)別的精度和準(zhǔn)確度，過(guò)濾掉了大部分的錯(cuò)誤識(shí)別。也充分的證明了圖像識(shí)別技術(shù)的可行性。 程序?qū)崿F(xiàn)了預(yù)期功能，但也存在一些不足。由于程序中沒(méi)次輸入圖像，都要進(jìn)行一次庫(kù)的建立，這樣設(shè)計(jì)是為了方便改變庫(kù)中的物體，但也造成了耗時(shí)過(guò)長(zhǎng)基于 sift 算法的圖像匹配方