SIFT算法在图像识别中的应用
图像识别是计算机视觉与图像技术处理领域的一个研究热点，它是指运用计算机对图像进行适当的处理，分析从而能够识别各种不一样的目标的技术，并且已经广泛的应用于我们的生活中，比如：遥感图像分类，医学研究，交通管理等。
在图像识别技术发展迅猛的时代，各式各样的方法被人们提出和应用，虽然随着技术进步,关于此类研究的方法也越来越多，但是这些方法普遍都存在一些问题，比如：在识别过程中准确度不高，在识别时受外界影响较大等。 M000259
在最初提出SIFT(Scale-invariant feature transform)的时候，它作为一种特征点的识别特征，通过这种特征我们能够对图像尺寸角度变化以及图像的旋转进行简单的图像处理与识别，并且运用这种识别特征进行处理和识别的时候，外界光照还有图像的形状对结果影响是很小的。基于以上的描述，我们可以知道这种特征的辨别能力非常高。本文就是研究基于SIFT算法特征在图像识别中的应用。
关键词：SIFT算法 图像识别 特征点
Image recognition is a hot research field in computer vision and imageprocessing technology, it refers to the use of the computer to make the appropriate processing to the image analysis, so as to identify the variousdifferent target technology, and has been widely used in our life, such as:Study of remote sensing image classification, medical, traffic management etc..
In the image recognition technology is the rapid development of the times,every kind of method has been proposed and applied, although with themethods of technology progress about this kind of research is also more and more, but these methods generally have some problems, for example: in the process of recognition accuracy is not high, at recognition time is largely influenced by the outside environment etc..
Originally presented in SIFT (Scale-invariant feature transform) when it asrecognition features, a feature point, the feature we can as well as image rotation of image processing and recognition of simple image size angle changes, and use this feature when processing and recognition, the influence of external light and image shape the result is very small. Based on the abovedescription, we can know the characteristics of the discrimination ability is very high. This paper is to study the application characteristics of the SIFTalgorithm in image recognition based on.
Key Words：SIFT algorithm ;Image recognition ;The key point
1. 绪论 查看完整请+Q:351916072获取
图像识别最直接释义是从众多图像中能够准确找出我们给出的示例图像。现在人们对于计算机视觉的研究越来越深入，图像识别能够在计算机上准确的执行是一个非常重要的课题，如何去实现对我们在这方面的技术发展以及应用具有重大的意义和可贵的价值。
图像识别目前是遥感图像的处理，机器人视觉分辨，目标识别等领域的关键技术之一。待识别的图像往往存在旋转，光照不一样，角度变化等差距，图像识别就是将不同环境，不同角度，不同大小的的图像相互之间寻找出一样的特征从而实现图像识别。按照这样的说法，图像识别的实现方式就是通过找寻一副图像和多幅图像之间的共同特征点，从而使得计算机能够辨别出目标图像。
图像识别的用处非常大，它现在主要应用在计算机视觉辨认，医学诊断等方面。当前比较常用的景象识别技术，就是利用图像识别技术，在组合导航领域中具有很坚定的地位。同时在遥感领域，图像识别一样具有很深远的意义，通过图像识别解决了图像校正，变化检测等问题。从这些方面都可以看出，图像识别技术正在进一步融入我们的生活，也为我们的生活带来更多的好的利用，所以在图像识别技术不断更新的今天，追求更好的识别的方法始终是人类追求的目标。
图像识别技术不断的发展，人们对其研究方法也在不断的更新中，对于现如今人们应用于图像识别的方法有很多，那么本文在这里介绍三种当前比较完善的方法：
?模板识别
这种识别方式主要是人们基于人类自身而言的识别方式，当我们看见某一样东西的时候，这种东西往往会在我们的大脑中留下印象，当我们下次再看到的时候我们就会知道这是我们之前看过的，科学家把这种记忆模式称作模板识别。很简单的说明，比如一个字母A,如果在人的大脑中有个A 的模板，那么A 的大小，方向，形状一些基本要素都和人们脑中的模板一样的话，那么我们可以很轻松的识别A。但是依靠人脑的这种方法是存在很大缺陷的，人们每天接受到太多的图像要对每一个图像对应一个记忆是不可能的。
那么为了解决这样的问题，并运用这种方法，于是科学家就提出了所谓模板识别的方法，这种模板识别是有区别于人脑的记忆模板识别的，这种方法认为，从众多的记忆当中寻找所遇到的图像的共同点，这样就不要记着那么多的模板，从而也可以达到识别的目的。也就是说模板识别的本质就是抽取图像的相似性，把这些相似性作为模板，这样对于我们去辨认大量的信息的时候显得更加的方便。
?泛魔识别
泛魔识别是一种以特征分析为基础的识别技术。1959年B.赛尔弗利吉[1]通过结合特征觉察的基本原理提出了泛魔技术，并运用到图像识别中。这种方法是把一副图像分为不同层次，把每一层都进行特征分析，然后再依次的执行，最后达到识别图像的目的。在这里弗利吉把每一层每一种的特征称为“小魔鬼”，那么到最后就会有很多的特征，所以也称这种方式为泛魔识别。介于它这种方法的渗透性，对于相似的图像也能清楚分辨；同时对于一些失真的图像，泛魔也能不难的分辨出来。以特征分析的泛魔识别方式是一个非常灵活的方法，所以至今也经常被人们用到。
?基于SIFT特征识别
SIFT算法是David .Lowe在2004年通过结合当今人们普遍使用的依据不变特征的测试方法提出的。这是一种能够在图像中提取稳定的特征点，而且可以根据这些提取的特征点对同一图像进行非常准确的识别匹配，并且不会因为图像所处的环境的不同，或者角度的变化而影响结果。对于SIFT算法所提取的特征点拥有尺度不会变化，旋转不会变化的优点，所以在受到不同视角，光照，噪声，以及仿射变化较大时对其识别匹配不会有影响，所以可以在图像识别匹配中得到稳定的结果。
在以上介绍的三种方法中，SIFT算法是当今人们在图像识别技术领域研究热点，也在图像识别技术中有着很重要的地位，同时在SIFT算法出现至今人们一直没有停止过对它的研究，所以本文研究的主要目的就是基于SIFT算法的图像识别。
2.SIFT算法的发展及意义 查看完整请+Q:351916072获取
2.1 SIFT算法的研究现状与发展
SIFT算法是David .Lowe[2]在2004年提出的。对于一般的图像仿射变化、旋转以及缩放，这种算法在尺度空间上还是有很大的作用的。之后Mikolajczyk和Schmid在光照变化，分辨率一样，图像几何形式不同，旋转，不清晰以及图像变形等6种不同情景下，对于SIFT，矩不变量，互关等多种算法进行了实验，得出结果，SIFT算法在以上的各种情况下所表现出来的性能最好。
然而随着科技的进步以及所遇见问题的偏向性，即使在图像识别中拥有能够稳定提取不变特征的优点的SIFT算法，还是存在一些较为明显的问题，例如实时性不够高，有时候提取的特征点比较稀少，无法准确提取边缘部分的特征点，也因为这些让人们觉得SIFT算法并不是最完美的。所以自从1999年以来，人们对SIFT算法的优化和改进一直没有停止过。到如今有以下一些成果：
PCA-SIFT(Principle Component Analysis-SIFT)[3]
为了能够非常有效的简化128维的SIFT描述子，Y.ke在2004年利用降维技术，提出了PCA，也就是主成份分析。
CSIFT(color-invariant)
为了能够方便的获得彩色图像的特征点，Farag在2006年提出了CSIFT也就是彩色尺度特征不变变化。
SURF
SURF（SURF Speeded Up Robust Features），是Bay 在2006年提出的一种算法，并称该算法为SIFT算法的增强版，拥有运算速度快，计算量比较小，并且提取的特征点与SIFT基本相似的优点。
ASIFT
SIFT（Affine-SIFT）抗仿射SIFT变换。ASIFT由J.M. Morel 2009年提出，是一种能够抵抗仿射情况，并且提取的特征点相对于SIFT而言远远超过，从一个向量空间向另外一个向量空间仿射变换或者从一个线性变换平移仿射映射的算法。
目录
1. 绪论 5
2.SIFT算法的发展及意义 7
2.1 SIFT算法的研究现状与发展 7
2.2 SIFT算法在图像识别中的应用价值 7
3.基于SIFT算法的图像识别 9
3.1 SIFT图像识别技术的基本框架 9
3.2 SIFT特征点的提取 9
3.2.1二维高斯函数 10
3.2.2尺度空间建立 12
3.2.3 检测空间极值点 15
3.3 特征点向量 18
3.4 SIFT特征点匹配 19
3.5识别结果 20
4.SIFT算法的实验分析与结果 21
4.1标准图像来自图像集的实验结果 22
4.2光照影响下的实验结果 24
4.3角度变化下的实验结果 26
4.4标准图像不在图像集的实验结果 28
5.总结 32
5.1结论 32
5.2 前景和展望 32
参考文献 33
致谢 34 查看完整请+Q:351916072获取
在图像识别技术发展迅猛的时代，各式各样的方法被人们提出和应用，虽然随着技术进步,关于此类研究的方法也越来越多，但是这些方法普遍都存在一些问题，比如：在识别过程中准确度不高，在识别时受外界影响较大等。 M000259
在最初提出SIFT(Scale-invariant feature transform)的时候，它作为一种特征点的识别特征，通过这种特征我们能够对图像尺寸角度变化以及图像的旋转进行简单的图像处理与识别，并且运用这种识别特征进行处理和识别的时候，外界光照还有图像的形状对结果影响是很小的。基于以上的描述，我们可以知道这种特征的辨别能力非常高。本文就是研究基于SIFT算法特征在图像识别中的应用。
关键词：SIFT算法 图像识别 特征点
Image recognition is a hot research field in computer vision and imageprocessing technology, it refers to the use of the computer to make the appropriate processing to the image analysis, so as to identify the variousdifferent target technology, and has been widely used in our life, such as:Study of remote sensing image classification, medical, traffic management etc..
In the image recognition technology is the rapid development of the times,every kind of method has been proposed and applied, although with themethods of technology progress about this kind of research is also more and more, but these methods generally have some problems, for example: in the process of recognition accuracy is not high, at recognition time is largely influenced by the outside environment etc..
Originally presented in SIFT (Scale-invariant feature transform) when it asrecognition features, a feature point, the feature we can as well as image rotation of image processing and recognition of simple image size angle changes, and use this feature when processing and recognition, the influence of external light and image shape the result is very small. Based on the abovedescription, we can know the characteristics of the discrimination ability is very high. This paper is to study the application characteristics of the SIFTalgorithm in image recognition based on.
Key Words：SIFT algorithm ;Image recognition ;The key point
1. 绪论 查看完整请+Q:351916072获取
图像识别最直接释义是从众多图像中能够准确找出我们给出的示例图像。现在人们对于计算机视觉的研究越来越深入，图像识别能够在计算机上准确的执行是一个非常重要的课题，如何去实现对我们在这方面的技术发展以及应用具有重大的意义和可贵的价值。
图像识别目前是遥感图像的处理，机器人视觉分辨，目标识别等领域的关键技术之一。待识别的图像往往存在旋转，光照不一样，角度变化等差距，图像识别就是将不同环境，不同角度，不同大小的的图像相互之间寻找出一样的特征从而实现图像识别。按照这样的说法，图像识别的实现方式就是通过找寻一副图像和多幅图像之间的共同特征点，从而使得计算机能够辨别出目标图像。
图像识别的用处非常大，它现在主要应用在计算机视觉辨认，医学诊断等方面。当前比较常用的景象识别技术，就是利用图像识别技术，在组合导航领域中具有很坚定的地位。同时在遥感领域，图像识别一样具有很深远的意义，通过图像识别解决了图像校正，变化检测等问题。从这些方面都可以看出，图像识别技术正在进一步融入我们的生活，也为我们的生活带来更多的好的利用，所以在图像识别技术不断更新的今天，追求更好的识别的方法始终是人类追求的目标。
图像识别技术不断的发展，人们对其研究方法也在不断的更新中，对于现如今人们应用于图像识别的方法有很多，那么本文在这里介绍三种当前比较完善的方法：
?模板识别
这种识别方式主要是人们基于人类自身而言的识别方式，当我们看见某一样东西的时候，这种东西往往会在我们的大脑中留下印象，当我们下次再看到的时候我们就会知道这是我们之前看过的，科学家把这种记忆模式称作模板识别。很简单的说明，比如一个字母A,如果在人的大脑中有个A 的模板，那么A 的大小，方向，形状一些基本要素都和人们脑中的模板一样的话，那么我们可以很轻松的识别A。但是依靠人脑的这种方法是存在很大缺陷的，人们每天接受到太多的图像要对每一个图像对应一个记忆是不可能的。
那么为了解决这样的问题，并运用这种方法，于是科学家就提出了所谓模板识别的方法，这种模板识别是有区别于人脑的记忆模板识别的，这种方法认为，从众多的记忆当中寻找所遇到的图像的共同点，这样就不要记着那么多的模板，从而也可以达到识别的目的。也就是说模板识别的本质就是抽取图像的相似性，把这些相似性作为模板，这样对于我们去辨认大量的信息的时候显得更加的方便。
?泛魔识别
泛魔识别是一种以特征分析为基础的识别技术。1959年B.赛尔弗利吉[1]通过结合特征觉察的基本原理提出了泛魔技术，并运用到图像识别中。这种方法是把一副图像分为不同层次，把每一层都进行特征分析，然后再依次的执行，最后达到识别图像的目的。在这里弗利吉把每一层每一种的特征称为“小魔鬼”，那么到最后就会有很多的特征，所以也称这种方式为泛魔识别。介于它这种方法的渗透性，对于相似的图像也能清楚分辨；同时对于一些失真的图像，泛魔也能不难的分辨出来。以特征分析的泛魔识别方式是一个非常灵活的方法，所以至今也经常被人们用到。
?基于SIFT特征识别
SIFT算法是David .Lowe在2004年通过结合当今人们普遍使用的依据不变特征的测试方法提出的。这是一种能够在图像中提取稳定的特征点，而且可以根据这些提取的特征点对同一图像进行非常准确的识别匹配，并且不会因为图像所处的环境的不同，或者角度的变化而影响结果。对于SIFT算法所提取的特征点拥有尺度不会变化，旋转不会变化的优点，所以在受到不同视角，光照，噪声，以及仿射变化较大时对其识别匹配不会有影响，所以可以在图像识别匹配中得到稳定的结果。
在以上介绍的三种方法中，SIFT算法是当今人们在图像识别技术领域研究热点，也在图像识别技术中有着很重要的地位，同时在SIFT算法出现至今人们一直没有停止过对它的研究，所以本文研究的主要目的就是基于SIFT算法的图像识别。
2.SIFT算法的发展及意义 查看完整请+Q:351916072获取
2.1 SIFT算法的研究现状与发展
SIFT算法是David .Lowe[2]在2004年提出的。对于一般的图像仿射变化、旋转以及缩放，这种算法在尺度空间上还是有很大的作用的。之后Mikolajczyk和Schmid在光照变化，分辨率一样，图像几何形式不同，旋转，不清晰以及图像变形等6种不同情景下，对于SIFT，矩不变量，互关等多种算法进行了实验，得出结果，SIFT算法在以上的各种情况下所表现出来的性能最好。
然而随着科技的进步以及所遇见问题的偏向性，即使在图像识别中拥有能够稳定提取不变特征的优点的SIFT算法，还是存在一些较为明显的问题，例如实时性不够高，有时候提取的特征点比较稀少，无法准确提取边缘部分的特征点，也因为这些让人们觉得SIFT算法并不是最完美的。所以自从1999年以来，人们对SIFT算法的优化和改进一直没有停止过。到如今有以下一些成果：
PCA-SIFT(Principle Component Analysis-SIFT)[3]
为了能够非常有效的简化128维的SIFT描述子，Y.ke在2004年利用降维技术，提出了PCA，也就是主成份分析。
CSIFT(color-invariant)
为了能够方便的获得彩色图像的特征点，Farag在2006年提出了CSIFT也就是彩色尺度特征不变变化。
SURF
SURF（SURF Speeded Up Robust Features），是Bay 在2006年提出的一种算法，并称该算法为SIFT算法的增强版，拥有运算速度快，计算量比较小，并且提取的特征点与SIFT基本相似的优点。
ASIFT
SIFT（Affine-SIFT）抗仿射SIFT变换。ASIFT由J.M. Morel 2009年提出，是一种能够抵抗仿射情况，并且提取的特征点相对于SIFT而言远远超过，从一个向量空间向另外一个向量空间仿射变换或者从一个线性变换平移仿射映射的算法。
目录
1. 绪论 5
2.SIFT算法的发展及意义 7
2.1 SIFT算法的研究现状与发展 7
2.2 SIFT算法在图像识别中的应用价值 7
3.基于SIFT算法的图像识别 9
3.1 SIFT图像识别技术的基本框架 9
3.2 SIFT特征点的提取 9
3.2.1二维高斯函数 10
3.2.2尺度空间建立 12
3.2.3 检测空间极值点 15
3.3 特征点向量 18
3.4 SIFT特征点匹配 19
3.5识别结果 20
4.SIFT算法的实验分析与结果 21
4.1标准图像来自图像集的实验结果 22
4.2光照影响下的实验结果 24
4.3角度变化下的实验结果 26
4.4标准图像不在图像集的实验结果 28
5.总结 32
5.1结论 32
5.2 前景和展望 32
参考文献 33
致谢 34 查看完整请+Q:351916072获取
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/2409.html
