研究论文基于改进SIFT算法的目标识别.pdf

针对目标识别过程中识别精度不高、实时性不好的问题，提出基于尺度不变特征转换（SIFT）算法的改进算法，该算法通过研究传统的SIFT算法特征匹配正确率不高、匹配耗时过长的问题，结合Harris算子角点检测特性提出改进，在高斯差分尺度空间内直接检测角点，使得提取的特征点数目减少，计算量降低，特征点提取的显著性提高；同时使用RANSANC方法进行特征匹配约束，减少误匹配，进一步提升目标识别的正确率。为了验证提出算法的有效性，通过MATLAB对算法在尺度变化和噪声等复杂情况下的匹配效果进行实验验证，结果表明，改进的SIFT算法匹配用时大大降低、误匹配较少，匹配正确率提高，具有较强的鲁棒性，可以准确识别