基于尺度不变特征变换算法的影像匹配技术研究

2004级 林立文

指导教师：张永军

摘  要

    David Lowe在总结了前人关于不变量技术特征检测方法的基础上，所提出的SIFT特征点提取和匹配算法，是目前影像匹配算法研究的热点。该算法利用尺度空间和特征点邻域梯度的综合信息，使提取出来的特征点具有尺度和旋转不变性，从而可以匹配具有较大比例尺和旋转角变化的影像。

在摄影测量中，低空和近景摄影测量的影像由于具有较大的旋转角和比例尺变化，使用传统的特征匹配算法效果不是很理想。而SIFT算法由于其旋转和尺度的不变性，能够解决很好该类问题。因此本论文将研究SIFT在摄影测量，特别是低空和近景摄影测量中的应用以及可行性分析。

本论文研究内容主要包括：

(1) 研究SIFT算法的具体实现过程，包括SIFT特征点提取和匹配。

(2) 利用SIFT提取的匹配点进行相对定向。相对定向建议采用严密公式的直接法和迭代法联合求解的解法。

(3) 由于SIFT提取的匹配点中包含有较多数量的粗差。因此，剔除SIFT匹配点中的大、中、小型粗差也是本文的研究重点。本文建议采用RANSAC算法和粗差理论相结合的，由粗到精逐步剔除粗差的思路来剔除粗差。本文选用的粗差理论是：基于相关分析的粗差理论。

 在对算法和理论研究的基础上，利用计算机编程实现以上研究内容，并利用低空和近景影像进行数值实验，分析实验结果，研究SIFT在摄影测量中的精度和可行性，确定其应用前景。

最后在本文研究内容的基础上，探讨SIFT在未来摄影测量应用中的研究方向，一些亟待的解决的问题和建议的解决方案，以及一些关于影像匹配的思考和猜想。

关键词：SIFT；RANSAC；基于相关分析的粗差理论；相对定向直接解；相对定向迭代解；低空摄影测量；近景摄影测量