3维物体SIFT特征的提取与应用

SIFT(scale-invariantfeaturetransform)算法自提出以来，就因其优越的性能（尺度不变性、旋转不变性、抗噪声能力强、受光照变化影响小等），而备受图像图形领域研究者的青睐。该算法的核心特征（SIFT特征）基于局部梯度，能够抵抗图像大幅度的伸缩、旋转等，很好地满足了3维物体识别的实际需要。而SIFT特征对投影变换的相对敏感性恰可用于3维模型的视点空间划分，且划分依据与匹配依据一致，能够有效提高匹配准确度。合理设置SIFT算法的阈值还可以有效处理物体背景分割等技术问题。通过充分的预处理，能够有效降低SIFT算法计算复杂度高，使得系统基本达到实时匹配。总之，将SIFT特征应用在3维物体识别系统中的视点空间划分、背景物体分割、模式特征匹配等模块，可以有效地提高系统的识别速度与效率，增强系统的稳定性。