基于SIFT特征匹配算法城市地点识别系统.pdf

l 基于SFT特征匹配算法的城市地点识别系统 冯镜蒯 (华南理工大学计算机科学与工程学院，广东广州510006) [摘要]随着互联网的发展，利用GPS或者RFID等进行地理位置的识别是有可能的，但是，基于图像内容的地理位置 的识别则跟它们有很大的不同。图像蕴含着丰富的信息，利用SIFT特征匹配算法提取图像的特征点，然后根据这些特征点判 断哪些图片是相似的，相似的图片我们用数据挖掘的方法，得到其地理位置信息。实验结果表明，该方法对不同地理位置的图 像区分效果良好。 [关键词】SIFT算法；特征匹配；基于内容的图像检索；地理位置识另q InvariantFeature SIFT即Scale Transform，尺度不变特征 1．引言 变换。SIFT是一种基于尺度空间的、对图像缩放、旋转甚至 当我们处在城市一隅，想知道自己的确定位置，当然我 仿射变换保持不变性的图像局部特征描述算子。SIFT算子 们可以利用GPS或者RFID等技术，但是我们同样可以利 匹配能力强，可以处理两幅图像之间发生平移、旋转、仿射变 用图像内容达到这个目的，基于图像内容的地理位置的识 换情况下的匹配问题，甚至在某种程度上对任意角度拍摄的 别跟GPS或者RFID有很大的不同。当我们站在一个大的 图像也具备较为稳定的特征匹配能力。SIFT算法是一种提 建筑物前，想知道自己在哪里的时候，可以拍下一张照片， 取局部特征的算法，在尺度空间寻找极值点提取位置、尺度 传给服务器，系统经过查询和特征匹配，会反馈出照片的确 和旋转不变量。 定位置。当然，并不是所有照片都能够进行这一搜索，必须 2．2．2SIFT特征匹配算法的步骤 是一些有特征的建筑物、场景等。如果你拍下了某个居住区 SIFT特征匹配算法包括两个阶段：第一是SIFT特征向 的照片，系统会无法识别，因为很多不同地点的居住区的楼 量的生成，即从多幅待匹配图像中提取出对尺度缩放、旋转、 房看起来都很相似，所以系统无法返回你的确切位置。 亮度变化无关的特征向量；第二是SIFT特征向量的匹配。一 基于图像内容的识别可以利用颜色、纹理、轮廓和形状 幅图像SIFT特征向量的生成算法总共包括4步： 等特征，城市地理识别系统采用SIFT特征匹配算子，它是 (1)构建尺度空间，检测尺度空间的极值点，获得关键点 图像的局部特征，识别效果很好。 位置及其尺度。 2．图像的特征点提取与匹配 2．1 图像特征点及匹配 图像特征是指图像场中可用以作为标志的属性，图像 的特征点可以分为：全局特征(globalfeatures)和局部特征 features)。全局特征中，颜色直方图是常用的表达颜色 (10cal ．-，_______●●_-_l_●■_●I_I●I 荔荔 特征的方法，其优点是不受图像旋转和平移变化的影响，其 图1 检测尺度空间的局部极值点 缺点是没有表达出颜色空间分布的信息，无法描述图像中 颜色的局部分布及每种色彩所处的空间位置，所以颜色特 图l为DoG尺度空间的三个相邻尺度。在检测尺度空 征不能很好地捕捉图像中对象的局部特征。 间极值时，在图像高斯差分尺度空间内当前尺度和其相邻两 对图像变化保持稳定的特征描述符称为不变量，比如对 个尺度3*3的区域内，对标记的X和其它26个像素进行比