摘 要

随着图像处理技术的发展，图像匹配在人们的生产生活中有着越来越重要的地位和作用。图像匹配即是通过对图像内容、结构、纹理、特征以及灰度等的对应关系、一致性和相似性的分析，快速寻求相似图像目标的方法。其应用领域涉及到航空摄影测量、遥感图像处理、导航定位与跟踪、工业部件检测、计算机网络安全、景物分析中的变换检测、医学、计算机视觉、交通等多个领域，并在各个领域都体现出了核心作用。

本文基于SIFT算法，通过对SIFT算法的研究，分析了算法的关键参数且给出了相关的取值建议，设计了图像特征匹配系统并完成了系统的模块划分，实现了系统的功能设计。系统预先对图片库生成特征库，对给定的图像，使用匹配系统能够在特征库中找到最匹配的前N幅图像。

最后对系统进行了测试，测试表明，系统能够实现图像的正确查询匹配，实现了系统设计的功能。

关键词：图像匹配；SIFT；特征库；RANSAC算法

Abstract

With the development of image processing technology, image matching has an increasingly important position and role in people's life and production. That image matching by image content, structure, texture, and gradation characteristics corresponding relationship between identity and similarity analysis, rapid image search for similar goals. Its field of application involves many areas of aerial photography, remote sensing image processing, navigation and tracking, industrial parts testing, computer network security, scene change detection analysis, medicine, computer vision, transportation, etc., and are reflected in all areas a central role.

Based on SIFT algorithm by SIFT algorithm, it analyzes the key parameters of the algorithm and shows the correlation between the values ​​proposed design features an image matching system and complete system module division to achieve the functional design of the system. System of pre-generated feature library gallery, for a given image, use the matching system to find the best match before N images in a feature library.

Finally, the system was tested, the test showed that the system can correctly match the query image, to achieve the system design features.

Key Words：Image matching；SIFT；Feature library；RANSAC algorithm

目 录

第1章 绪论 1

1.1 本文研究的背景与意义 1

1.2 国内外研究现状 1

1.3 论文的主要工作 2

1.4 论文的内容安排 2

第2章 SIFT算法研究 4

2.1 SIFT简介 4

2.2 SIFT特征提取算法原理及实现步骤 4

2.2.1 尺度空间的构建 4

2.2.2 关键点搜索与定位 6

2.2.3 关键点方向赋值 7

2.2.4 关键点描述 8

2.3 SIFT算法关键参数的研究 8

2.3.1 对比度阀值（|D(x)|） 8

2.3.2 关键点的相似性比例阀值（radio） 9

第3章 图像匹配系统设计与实现 11

3.1 系统设计 11

3.1.1 系统设计步骤 11

3.1.2系统功能设计 12

3.1.3 系统结构模块划分 12

3.1.4 系统设计实现流程 12

3.2 系统实现 13

3.2.1 图像特征提取模块的实现 13

3.2.2 特征向量数据管理模块的实现 14

3.2.3 特征向量匹配模块的实现 14

3.2.4用户界面的实现 15

第4章 系统测试与测试结果分析 16

4.1 系统测试 16

4.2测试结果分析 18

第5章 总结与展望 20

5.1 工作总结 20

5.2 研究展望 20

参考文献 22

致 谢 24

第1章 绪论

1.1 本文研究的背景与意义

随着计算机、数学的发展以及农业、林业、环境卫生、军事、工业和医疗等方面的应用需求的不断增长，图像处理得到了非常迅速的发展。而图像匹配是图像处理过程中的关键，它在许多的图像处理与分析中有着非常重要的作用。

图像匹配即是通过对图像的内容、纹理、灰度、基本特征等的对应关系，一致性以及相似性的分析，找出与图像相同的或者相似的图像的方法。比较具体的说，那就是对于在不一样的时间段，不一样的亮度下，不一样的仪器得到的有关于同一个环境下的多幅图像，找到这些图像相互的空间变换、并且实现图像的匹配的一个过程。图像的匹配大致可以分为基于灰度的匹配和基于图像特征的匹配。特征匹配与灰度匹配的主要区别：特征匹配相比较灰度匹配而言更多的将空间的整体特征、空间之间的关系等作为处理的条件。

这些年来，科技在不断的飞速进步，同时图像匹配技术的应用也越来越广泛。图像匹配技术已经是现代图像处理方向的关键技术。图像匹配的涉及到的应用范围有航空航天图像识别、公共交通、导航测量、工业零件的测量、场景图像分析检测等^[1]。在我们的日常生活中，图像匹配技术有着越来越重要的地位，能够通过图像匹配找到期望相似的图像具有非常大的重用。而通过图像匹配系统，可以更加方便有效的对图像进行匹配，因此，对于图像匹配算法以及系统的研究具有很大的意义。

1.2 国内外研究现状

在二十世纪七十年代，美国人在研究导航和制导系统时第一次提出后图像匹配这一名词后，图像匹配就一直被有关的科研学者所关注。从总体上来讲，图像匹配能够分为基于像素灰度的匹配和以图像特征为基础的匹配^[2]。其中，前一种匹配也可以叫做相关匹配算法，它是用操作完成的图像一直对于给定的图像不断移动来得到基准子图，然后得到已处理图像与给定图像的相似性的度量与判断，从而判断在给定图像中是否有和已处理图像一样或者有相似的地方。这种匹配实现的算法匹配的精确度比较高，然而有很大的运算量，不仅复杂而且花费的时间也多^[3]。另外一种以图像特征为基础的匹配，该匹配寻找图像里特点鲜明而且拥有一定的代表性的特征，接着应用这些特征来进行图像之间的匹配。由于仅仅应用了图像的特征信息，加上拥有较好的变形、抗噪声能力，所以拥有较小的运算量和很好的稳定性。

SIFT 算法是由 David Lowe 在1999年所提出来的，作者应用算法用于特征点的检测和描述^[4]，后来通过更深入的研究完善，在04年发表^[5]。SIFT 算法在实现过程中较为复杂，运算量也比较大。Yan 和Rahul 在04年提出 PCA-SIFT 算法，该算法主要通过主成分分析（PCA），降低了特征向量的维度，使得特征向量由一百二十八维降低到二十维或者更低^[6]。Bay 在06年改进出了SURF(Speeded Up Robust Features)算法^[7]，该算法使用类似于海森运算的方法，使得算法有更好的处理速度，加强了 SIFT 算法的性能。Song 和 Szymanski在09年对该算法的特征点的得到部分进行了改进，并且提出了很平均的特征的检测方式^[8]。