基于自适应分数阶微分的SIFT图像配准

摘要：

针对传统SIFT (Scale Invariant Feature Transform) 配准算法中存在的特征点正确匹配率低, 配准效果较差的问题, 提出了一种新的自适应分数阶SIFT算法用于图像配准.首先根据图像的梯度模值和信息熵构建自适应分数阶的数学模型, 自动计算每个像素点的最佳分数阶阶次;其次基于最佳分数阶阶次构造自适应分数阶微分掩模, 并将其融入到SIFT算法中, 提取到更多精确有效的关键点, 从而提高了SIFT算法的精度;在SIFT算法的特征点匹配阶段, 进行相似性度量时, 增加了余弦相似性约束, 解决了欧式距离不能够判定特征向量的空间位置关系的问题, 进一步提高特征点匹配的准确率;并使用改进的随机样本一致性算法 (Random Sample Consensus, RANSAC) 进一步减少误匹配的特征点对;最后根据匹配的特征点对求解空间变换矩阵, 从而实现图像配准.验证结果证明:本文算法的匹配精度较高, 配准的质量也得到较明显的提升.

关键词：SIFT、自适应分数阶微分、余弦相似性约束、图像配准

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金 61462065

在线出版日期：2019-08-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8