摘 要：图像配准是遥感、计算机视觉、医学等许多领域中的一个基本问题，而图像特征点的提取和匹配是完成图像配准的基础。本文采用SIFT尺度不变特性变换算子进行图像匹配，通过改进该算法，提高算法的效率，通过仿真实验，证明改进的SIFT特征点匹配方法，可以提高特征点匹配的速率，降低匹配计算的耗时。
　　关键词：SIFT；特征点匹配；图像配准
　　中图分类号：TP391.41
　　图像匹配是数字图像处理和计算机视觉中的重要组成部分，被应用到许多实际领域，如航空摄影测量、目标识别、三维系统重建等。由于受到天气、遮挡、光线等的影响会导致图像出现平移、缩放、旋转等情况，这些均会为图像匹配带来一定的难度。
　　1999年Lowe提出了一种局部特征算法[1]，此算法以尺度空间极值作为图像的特征对图像进行匹配处理，但该算法提取的SIFT特征点数量大，匹配时间较长，针对这些结合Harris角点检测算法对SIFT算法进行改进，研究该方法在图像匹配中的对匹配速率的影响。
　　1 SIFT算法
　　SIFT算法是一种基于尺度空间的局部特征描述算子，其对于图像缩放、旋转，仿射变换能够保持不变性，2004年由David G.Lowe[2]总结提出。在某些情况下，对于任何视角拍摄的图像也能够保持较稳定的配准力。
　　算法步骤：（1）不同的尺度空间生成和尺度空间极值检测。（2）去除边缘点和不稳定极值点。（3）特征点主方向确定。（4）生成SIFT特征描述符。
　　图像金字塔的构建[3]如图1，利用尺度因子的高斯核对图像进行卷积，获得图像的不同尺度空间，作为金字塔图像的第1层；将该层2倍的尺度图像，作为金字塔图像第2层的第1幅图像，并对第2层第1幅图像采用不同尺度因子的高斯核进行卷积，从而得到金字塔图像第2层其他图像。重复以上步骤，即可得到高斯金字塔图像。每层相邻高斯图像相减，即可获得DoG图像[4]。
　　因为SIFT算法可扩展性好，能够与其他形式的特征向量较容易联合，因此，本文试图利用此特性改变SIFT算法的在应用中效用，并运用仿真实验进行验证。
　　2 Harris算法
　　1988年C.Harris和J.Stephens共同研究提出的，它是以Moravec算子为基础。利用泰勒级数展开思路，Moravec算子衍生到Harris算子，可用图直观表示，计算不止水平、垂直、对角线方向的灰度变化，而且可以计算任意方向的灰度变化，进而利用数学公式来确定特征点。
　　3 本文算法思路及实验
　　本算法主要是针对SIFT特征提取过程中，金字塔的构建占用了整个SIFT特征提取时间大半以上的问题，采用阶层合理约束的方法来获得特征点数目和时间消耗的折中。然后结合Harris角点检测方法进行SIFT特征点数目控制的策略，减少匹配计算量，进而提高配准的效率。
　　分别采用传统SIFT算法和本文改进算法进行实验。原始图像数据如图2。
　　4 结束语
　　本文講述了SIFT特征检测算法、Harris角点检测算法，通过改变SIFT特征点检测中金字塔图像的不放大2倍的方法，减少特征点提取的耗时，结合Harris角点检测减少待匹配特征点数量，提高图像匹配的速率，实验结果显示，针对平移和微小视角变化的图像匹配速率有所提高，但是对于图像的配准率有微小的降低，这点有待进一步的研究。
　　参考文献：
　　[1]陈志雄.基于图像配准的SIFT算法研究与实现[J].计算机应用技术，2008（05）.
　　[2]David G.Lowe”Distinctive image features from scale-invariant key points”，International Journal of Computer Vision，2004，91-110.
　　[3]邱建国，张建国，李凯.基于Harris与SIFT算法的图像匹配算法[J].测试技术学报，2009（03）：271-274.
　　[4]杨占龙.基于特征点的图像配准与拼接技术研究[J].电路与系统，2008（04）.
　　作者简介：陈方园（1987-），女，陕西宝鸡人，硕士研究生，研究方向：信号与信息处理。
　　作者单位：西安建筑科技大学 信息与控制工程学院，西安 710055