基于改进ASIFT的可见光图像拼接研究

为了解决目前基于特征点的图像拼接算法在图像重叠度较低情况下,图像拼接效果差以及无法满足实时图像拼接的问题,提出了一种基于改进仿射—尺度不变特征转换(Affine Scale Invariant Feature Transform,ASIFT)的快速图像拼接算法,在特征点匹配过程中引入主分量分析(Principal Component Analysis,PCA)法进行处理,提出了一种PCAASIFT描述符对特征点重新进行描述。实验结果表明,与基于SIFT和SURF的拼接算法相比,该算法实现了高精度拼接,并且比传统ASIFT拼接算法提高了拼接的速度。

针对SIFT及其变体的图像匹配性能比较

由于尺度不变特征变换算法(SIFT)及其变体(PCA-SIFT、GCSIFT、SURF、ASIFT)在图像匹配应用的广泛性,总结各自特点及比较它们性能具有实际的意义。首先系统地分析了SIFT及其变体,然后在尺度和旋转变化、光照变化、模糊变化、仿射变化四种图像情况评估了它们的性能。实验结果表明在尺度和旋转变化上SIFT执行最好;在光照和模糊变化上GCSIFT执行最好;在仿射变化上ASIFT表现最好;在所有情况下PCA-SIFT性能总是第二和SURF性能最差。