An Improved SIFT Algorithm for Image Feature-Matching¶

这篇文章主要讲了2个方面：对SIFT特征点检测的一个优化和描述子构建方法的改进

算法描述¶

特征点检测¶

该文提出将金子塔的每一个OCTAVE的最高一层（LAYER）的图像去掉，其下一层的图像与更高一个OCTAVE的底层图像去比较。这个优化意义不大，因为在实际实现的过程中已经考虑了金字塔构建时每一层图像信息的相互充分利用。

描述子构建的另一种思路¶

传统SIFT算法实将每个特征点附近的一个邻域（一个圆）划分为4X4的区域，再对每个区域进行8向直方图计算，得到4X4X8=128维向量。而该文提出另一种划分方法，即将这个圆按半径划分为4个环形，每个区域构建12向直方图，得带4X12=48维向量。使用该算法，匹配描述子时使用的最佳距离和次佳距离比值的阈值为0.55。

创新点¶

第二个算法的创新在于改进了描述子的构建，缩短了构建时间。而且低维向量在匹配时需时更短。

结果比较¶

该算法在各种情况下基本上都能达到较好的匹配效果，但在复杂背景的条件下略逊于传统SIFT算法。在放大、旋转变换的情形下，该算法有比传统SIFT更优的表现。总体上来说，该算法对于拍摄视角相近的两幅图可以做到较好的匹配和较高的时效。