基于CA-SIFT的图像特征两级匹配算法

摘要

针对欧氏空间尺度不变特征变换（SIFT,scale invariant feature transform）算法在彩色图像匹配过程中丢失图像光谱信息、匹配精度低、计算量大等问题，利用Clifford代数（CA,Clifford algebra）对多维空间的表达能力提出一种基于CA-SIFT的图像匹配算法。首先，将图像转换到CA空间表示，同时保留图像空间和光谱信息，通过共形几何代数内积运算构造度量函数，提高特征点搜索效率，在CA空间中检测特征点；其次，采用图像特征两级匹配策略，即将CA-SIFT特征描述向量转换为哈希编码，由暴力匹配得到粗匹配结果；最后，采用网格运动统计（GMS,grid-based motion statistics）方法完成精匹配。实验结果表明：本文算法性能优于SIFT算法，提取的特征点对数量最多提升近54%；图像匹配方面，平均匹配精度达到98%以上，实现了高精度、适用于多数场景的图像匹配方法。

关键词

特征匹配 / Clifford代数 / 特征检测 / 内积 / 网格运动统计

基金资助

国家重点基础研究发展计划项目（2020YFB1600101）