基于改进的SIFT特征的图像双向匹配算法

狮年 9月 机械科学与技术septt柚坩狮 第26卷第9期№妇dsci蜘∞肌dTed啪】o秆妇A删p蛳阳r啪五唱 vd．26N0．9 骞森 基于改进的SIFI’特征的图像双向匹配算法 骞森，朱剑英 《南京航空航天大学机械电子 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 研斯，南京21∞16) 摘要：图像匹配是计算机视觉中许多领域的基础。特征提取则是图像匹配的基础，其中不变量特征是一 个重要的理论。S盯是最有效的尺度、旋转、亮度不变量局部特征之一，但算法复杂、计算时间长。分析 了邬盯的计算时问分配，通过计算关键点的邻域梯度直方图时动态修改采样步长．大大提高了sⅢr的 计算速度。分析了基于S巧T特征的图像匹配算法。提出了鼠向匹配算法，提高了图像匹配的准确率。实 验结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明所提出的方法是有效的。 关键词：图像匹配；不变量特征；S口盯 中图分类号：1嘲1．4l 文献标识码：A 文章编号：1003斯28(20凹)09-1179娟 hI驷．ovedSⅡTr—basedⅨdirecti伽alh瑚geM诎蚰llgAlgonU蛐 QianSen，ZhuJiallyiIlg (№出耐d＆日嘲Im血bgil|髓血gh谢t啦，N肌jing峋憎哪0fk嘲肌d嚆＆^B乜哪埘∞，咖iIlg21∞16) A咖吐：ScaleiIl谢aIltfeanI陀mm8fbnn(SIFT)i8o∞ofmeIIlosle丑锄6vc10calfeatllmaf∞me，ru嘶如aIldiⅡ删- 枷∞iIl朔血呲，h吐妇蛔mmiBooII耐icated且IldcompIltati0Ildr∞isl眦唱．Thc∞。呷u咖叩血∞di蚰ibI正哪is蛐_ lyzed，81ldtlleco_呷u叫衄搴peedi8目衅adyiI。p帅甜bydy删caⅡy删d迁衄卿珥m119唧wh帆唧6IlgtIle盱Idi一 即flli8￡0孽锄0f吐碓f皤。nB10叩d吐艟k印p0缸妇don．姗：b鲫，di删伊ma曲iIIg妇dthmis日Ilaly捌，曲dabidi- Iecti伽1日l耻rtcKngal伊dt}lmi鲁p，q)0sedto_Ⅲ1p帕vetI地戢alracy0fiTnagematching．The曲甲口ilIleDlaI咒g山姗tIl砒 thepIq'删aI学oritlm葛a增d酬ve． 1畸邢咄：imgem曲吨；iImi眦鼬uM；SⅡT 图像匹配是计算机视觉中许多研究领域的基础， 包括目标或场景识别、从多幅图像中求解3D结构、立 体对应和运动跟踪等。特征提取则是匹配的基础，基 于不变量特征的图像匹配是当前的—个研究热点。对 不同视点和焦距所产生的图像，特征不变量对其尺度 和睫转具有不变性，在图像配准、全景图拼接、目标识 别跟踪和机器人视觉导航等方面有重要的应用。 用于图像匹配的不变量特征，可分为全局特征和 局部特征。全局特征如互信息、}1日u出盯距离、Hu不 变矩等．这些方法虽然经典，但他们要在图像的全部空 间内进行搜索．计算量太大不能反映局部特征。局部 特征的提取分为两步：提取兴趣点和计算特征描述符。 传统的兴趣点主要指角点．发生在灰度水平方向和垂 直方向急剧变化的地方。常用的角点有Harris角点⋯ 啦稿日期：∞嘶一∞一惦 基金项目：国家白然科学基金项目(蜘∞姗)赍助 作者筒介：骞意(1卵8一)，男(投)。河南．博士研究生．神I嗍0nIl眠幽．∞ 和蚤L角点”1等，它们在图像匹配和目标跟踪方面有 成功的应用．但不适用尺度和旋转变化的场合。D耐d bwe在2004年改进了他1999年提出的s巧T(8calein- v蚵眦6e啦∞咖n如n)算法”“，使其对尺度、旋转。亮 度、仿射、噪音等都具有不变性，在混乱和遮挡情况下 也可鲁棒地识别目标。碰ko蝎c刁也在2004年提出了 尺度和仿射不变量的兴趣点检测”’，但他比较了各种 局部特征检测和描述符算法，指出km的sⅡ呵算法 取得了最好效果⋯。 邬盯算法复杂，时间复杂度高。Yh＆在2004年 提出了对S玎阿的特征描述符用PcA进行降维的算法。 并取得更好的效果”1。但其算法是在SⅡT计算结果 的基础上，对于可以预先计算的离线情况是有用的．比 如建立图像检索的s口盯特征数据库。但对于实时情 万方数据 机械科学与技术 第26卷 况．反而增加了计算量。hlkeLedwich用精简的sⅡT 算法进行室内图像的检索和定位”J，但只适用于特定 场景，且对计算复杂度的优化很小，没有工程意义。 ElisabettaDelp0Ilte尝试用svD(singLll且rvalued㈣mp siⅡ011)匹配算法对s耵计算出的特征描述符进行图像 匹配”J，但其匹配计算复杂，结果也不比bwe的直接 匹配方法优越。 本文基于OpencV用c++语言实现了基于s叽1 的图像匹配。对sIFr的计算过程进行了分析和优化， 在计算关键点邻域的梯度直方图时，自适应修改采样 步长，大大降低了sIFr算法的计算量，减少了运算时 间。提出双向匹配算法，提高了基于sⅡT的图像匹配 的准确率。 l SⅡ叩速度优化与双向匹配算法 l_1S册特征 s【Frr图像特征的许多属性适合于对不同图像或 场景中同一目标进行匹配。这些特征对于图像尺度、 旋转、亮度和3D视点都具有不变性，而且有很高的独 特性，能使单独一个特征从很大的特征数据库中被高 概率正确地匹配出来，减小了由遮挡、混乱或噪音所造 成的错误概率。生成锄盯图像特征集的主要计算步 骤如下o”J： (1)尺度空间极值检测。把原始图像放大2倍。 然后以尺度2向下采样，直到某一尺寸，比如32×32， 建立图像金字塔，然后对每层的图像以不同 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 差的 高斯核生成滤波图像组，称为—个oc诅ve，在每一层的 每个0ctave中寻找高斯差分图像(di雎rentof萨lls8i∞， D()G)的局部极值点，作为候选的尺度和方向不变兴 趣点。 c(*，y，口)=^e“4呐脚 (1)ZW 工(J，y，矿)=G(g，y，盯)x，(*，y)(2) D(*．y，叮)=￡(z，y．七矿)一￡(髫，y，盯)(3) 式中：c(1，y，F)为二维高斯函数；口为高斯正态分布 的标准差；，(*，y)为金字塔的每层图像；L(*，y，∥)为 图像与二维高斯函数的卷积，称为图像的尺度空问； D(z。y，F)为D()G算子，定义为每个*tave中相邻高 斯滤波图像的差分，是归一化加lG(Laplacin一小 C“ssim)算子的简单近似。D()G中每个像素在其3× 3的8邻域和相邻的上层和下层金字塔图像中两个对 应的9邻域中比较，如果该像素在这26个邻域像素中 皆为极值，则作为候选的极值点。 (2)关键点定位。在每个极值点，用详细的模型 来拟合以去除不稳定的点，包括去除偏移向量的任一 分量大于设定阈值的点、去除对比度的绝对值低于设 定阈值的极值点和主曲率不满足一定条件的边缘响 应点。 (3)指定方向。基于局部图像梯度方向．给每个 关键点指定一个或多个方向。关键点(*，y)的梯度幅 值和方向的 计算公式 六西格玛计算公式下载结构力学静力计算公式下载重复性计算公式下载六西格玛计算公式下载年假计算公式 为 m(z，y)=[(￡(x，y+1)一L(*，y—1))。+ (工(*+l，y)L(z—l，y))2]1，2(4) 日(z，y)=arctan：}!!；—÷ij÷jj—；{。；；。。!j；j；}(5) 在关键点的邻域内采样，用直方图统计邻域像素 的梯度方向，称为梯度方向直方图，范围为。一360。，使 用36个柱(bin)，每100一个柱。每个采样点的梯度幅 值以高斯函数为权重加人直方图，高斯函数以邻域为 窗口，口取关键点(z，y)所在尺度的口值的1．5倍。 梯度方向直方图的I啤}值则代表了关键点处邻域梯 度的主方向，即作为该关键点的方向。在直方图中若 有其它小于主峰值80％能量的峰值，则为该关键点的 辅方向。每个关键点有3个信息：位置、所在尺度和方 向；其中方向可能是多个：1个主方向和1个以上辅 方向。 (4)关键点描述符：在选择的尺度上，在每个关键 点的邻域计算局部图像梯度的方向直方图，最后转换 为128维的特征描述符。从关键点的方向开始，选取关 键点(*．y)周围16×16的—个矩形块，并分成16个4o 4的子块。按步骤(3)的方法计算每个4×4子块的每个 点的方向和幅值，把得到的16个方向在O、45∞、135、 180、225、270、315这8个方向上计算直方图，仍以幅度和 高斯函数加权，得到8个方向描述符。16个4x4的子块 可以得到128个方向描述符，将这个128维的特征描述 符归—化，使其具有亮度不变性。 1．2 SIFr图像匹配 sIFr算法以其卓越的性能在全景图拼接等研究 领域已获得了成功的应用。基于SIFrr特征进行图像 匹配时，先计算两幅图像的sIFrr关键点及其特征描 述符，然后计算第一幅图像的每个关键点在待匹配图 像的关键点集中的最近邻匹配；这里的最近邻定义为 关键点的描述符向量问的最小欧氏距离。为了排除 因为图像遮挡和背景混乱而产生的无匹配关系的关 键点，kwe提出了比较最近邻距离与次近邻距离的 方法．距离比率mdo小于某个阈值的认为是正确匹 配。因为对于错误匹配，由于特征空间的高维性，相 似的距离可能有大量其他的错误匹配，从而它的m60 值比较高。kwe推荐mtio的阈值为O．8。 1．3 sIFr速度优化 sI丌'算法的计算复杂度很高，不确定的参数很 多，它们决定着检测出的特征点的质量和数量，需要 万方数据 塑!塑 妻壅竺!苎型竺坚堡笙塑璺堡翌塑匹墼簦鋈 !!!! 通过实验确定最佳参数的大致范围，但这些参数对算 法的复杂度影响不大。SIFr要用于实时，必须对计 算过程作改进。作者统计了算法各个阶段的时间开 销，大致如下：(1)建立图像的DOG金字塔：30％1 55％；(2)求局部极值确定关键点：5％一15％；(3)指 定方向：5％一15％；(4)计算特征描述符：30％一 55％。对于256×256的le∞图像，在2．93G、512M、 windowsxPsP2的电脑上4个阶段分别需要359m、 14l111s、93j16一，总时间为1125Ins。步骤(1)一步 骤(3)中的算法优化空间不大，因为微小的改动都会 影响结果，步骤(4)中计算特征描述符，大概占总时间 的一半左右。可以进行一些优化。 计算特征描述符时，需要计算关键点的邻域梯 度直方图时，邻域窗口大小与关键点所在的尺度有 关，大部分在20到38之间。尝试改为自适应修改 采样步长：设窗口半径为mdius，步长为step，则 咖p=lradius<25 step=225≤mdiu$≤35 8t印=3radius>35 实验表明，这样使特征描述符的计算时间减少 了45％一65％．匹配结果基本不受影响，有时甚至 比原来的结果更好，经分析是不影响误差的情况下， 各个尺度互相作用的结果。lem图像此部分计算时 间由原来的516m8减少为280m8，使整个sIFT的 计算时间减少20％左右。 1．4双向匹配算法 sI胛的关键点描述符有128维特征向量，最有 效的方法是采用穷尽搜索算法进行图像匹配。对于 两个特征集，求第一个特征集中的每个关键点在第 二个特征集中的匹配点，即求第一个特征集中的每 个关键点在第二个特征集中的最近邻与次近邻的距 离比率mtio，mtio小于某个阈值的对应点认为是正 确匹配．否则抛弃。因此r蚵。的选择非常重要， Lowe文章推荐r蚯。为0．8，但作者对大量任意存在 尺度、旋转和亮度变化的两幅图片进行匹配，结果表 明mdo取值在O．4一O．6之问最佳，小于0．4的很 少有匹配点，大于0．6的则存在大量错误匹配点。 作者建议r“o的取值原则如下： r日菌o=O．4对于准确度要求高的匹配； m60=O．6对于匹配点数目要求比较多的匹配； ratio=0．5一般情况下。 也可按如下原则：当最近邻距离<200时mIio =O．6，反之ra正o=O．4。m60的取值策略能排除部 分错误匹配点。 为了进一步去除错误匹配，提高匹配准确率，根 据交集的 思想 教师资格思想品德鉴定表下载浅论红楼梦的主题思想员工思想动态调查问卷论语教育思想学生思想教育讲话稿 ，提出双向匹配算法：基于上述第一次 匹配结果，反过来求第二个特征集中已被匹配的关 键点在第一个特征集中匹配点。即求已被匹配的关 键点在第一个特征集中的最近邻与次近邻的距离比 率ratio，mdo小于某个阈值的匹配点才认为是正确 匹配。这里枷。都取0．6，以找到尽可能多的匹 配点。 ‘ 计算sI丌特征向量时，同一点可能有多个方 向。因此属于不同的特征点，他们中间的全部或部分 可能产生正确的匹配对，但它们实际上是同一点，因 此需要根据像素坐标删除这些重复的匹配点。双向 匹配可去除大部分的重复匹配点。 2实验结果 实验用图片为：(1)256x256的1％a原图像； (2)旋转30。的图像；(3)旋转30。、缩小0．3倍的 图像；(4)旋转60。(裁剪)、放大2．5倍的图像、加 人均值为0方差为O．0l的高斯噪声；(5)任意裁剪 一个100xl∞区域、旋转30。(不裁剪)、放大2倍 的图像；(6)kwe演示程序中的box．p目”；(7)bwe 演示程序中的book．pg“；(8)Ldwe演示程序中的 ∞ene．pgrn。除了mtio和step外，sI丌特征提取和 匹配的其它参数凭经验确定，且保持不变。 用自适应修改采样步长的方法对上述两两图像 对进行匹配，匹配结果和运算时间见表l，可见总的 匹配结果为原来的92％，而计算时间减少了17％。 用不同的mtio分别进行鲫盯图像匹配，匹配 结果和运算时间见表2，可见自适应眦io可在一定 范围内提高匹配的准确率，而经过双向匹配后。所有 错误匹配点全部删除，同时保留了尽可能多的匹 配点。 综合应用自适应修改采样步长算法和双向匹配 算法，匹配结果见表2的最下面3行，匹配结果图像 见图1，可见减少运算时间的同时，取得了最佳的匹 配性能。 表1固定Bt印和自适应修改8leP的匹配结果(r“o=4} 匹配方法／图像对 1．2 1．3 1．4 1．5 6．8 7．8 总计 “印：l的匹配点(个)／时问(m) 144／27斟19／139167／6172Il／235925／543733／6172299，2d265 自适应修改晰p的匹配点(个)／时间(山8)14l／221819／112560／53751l／19852l／堋 2“5063276／20172 万方数据 表2不同mtio和双向匹配算法的匹配结果(step=1} 匹配方法／图像对 1．2 1．3 1．4 1．5 6．8 7．8 mtio=4的匹配点(个) 144 19 67 1l 25 33 她(2个一对 58(1个孤立 硼矗o=5的匹配点(个) 172 23 9l 15 多错误匹配) 点错误匹配) 23(1个孤立 62(3个一对 81(1个孤 mio=6的匹配点(十) 182 25 106 点错误匹配) 多错误匹配) 立点错误匹配) 47(2个一对 61(1个孤 自适应修改哪io的匹配点(个) 180 25 103 13 多错误匹配) 立点错误匹配) 双向匹配(个)(r鲥o=6) 174 22 103 20 52 63 自适应修改啦p+双向匹配(个) 172 22 103 20 48 61 (a1Ldwe的匹配结果5453幡， (b)自适应步长的匹配结果：4515幡，(cJ自适应步长和权向匹配的匹配结果 62个匹配，含3个错误匹配 62十匹配．含3个错误匹配 “37IIls，48个匹配，无错误匹配 图1 应用自适应修改采样步长算法和双向匹配算法匹配结果 3结论 sIrr是一种很好的尺度、旋转、亮度不变量，但 计算复杂度高，关键点的特征描述符是128维高维 向量，用于图像匹配有其特殊性。基于0pencV用 c++语言实现了sIFr算法，在计算关键点的特征 描述符时，邻域梯度直方图的计算采用自适应采样 窗口步长的方法，大大提高了sIFr的计算速度，整 体平均时间可减少20％左右。基于sI耶特征进行 图像匹配时，分析了关键点与关键点集之间的最近 邻距离与次近邻距离的比率r“o对匹配结果的影 响，提出了m曲的选择原则；并提出了双向匹配算 法，在尽量保持正确匹配结果的情况下，能消除更多 的错误匹配，为sIrr算法在图像配准、摄像机标定、 目标跟踪等领域的应用提供了更鲁棒的方法。 [参考文献】 [1】H如fi罩c．‰p|I哪M．^哪Mr划嘲哪蚰ded萨d舶蛐[^】． Pr能．时TkFo蚰^I"yVbi蛐c岫蛔撇[c】．M衄chc} 竹。UK。19蛐：147一15l 【2】1钿“c，hr“cT．m靶c吐蛐a耐n_dd雌ofP岫h岫 [R]．c帅硒eMcu∞um删竹TedIn剐Rep啊tcMu—cs一 91一132。PittBbI|咄．uS^，^prl辨1 (3】【州DG．o坷e吐r。呷tid叩丘啪loc_l。c|le-i叶町i帅tf“鹏 【^]．h妇硼删caⅡ妇骶咖cc哪pm盯V龇n(c】，c廿 111．GIe啪．SeP19∞：1150一¨57 [4】L删eDc．Di|ti眦6"i叫胪‘B咖r瞄矗咖8c山·in哪i咖ke，·叫岫[n岫吐叫mJ咄删ofcompu衄V‘如n．2004． ∞(2)：9l—110 【5】 Mik岫。可kK，scl-nlidc．s咖e＆-m眦i叶-Iilmir岫哪阿呲 d曲咖[J]．h蛔硼删如哪mHc删单岫盯V蜘， 2004．∞(1)：63一蟠 【6】 Mikohj唧kK．dd．1md妇fu咐hobj鲥d蝴唧i妇l 【^]．Pro厶IccV’∞[c]，B嘶沁。c“嗨，2005，Vdu帆2： 1792·17蚰 【7】KeY．suktlInklrR．Pc^一sIFr：-mmdi_蛐_m％删∞ hl刊i“p捌岬[^】．№㈨CⅧ弭岫Vl妇 皿dh曲咖Re∞倒tio“c】，2004：511—517 [B】kd_油L，willi岬s．R础mdsⅡT佃嘶hi删伊喊曲m ·-ldiⅨlo唧l嘲li倒叽[^]．A砸奸山_sI蛆O咖如nn∞佃Rob“·b蝴A劬脚ad∞[c]，c岫，^I_h山d蛆。2004 【9】DdP呻kE．4吐SvD砌lls“唱s矾’钿岫[^]．h巾 删npof协eh岫m‘10岫lC帅如删∞Ⅵ妇．V‘d舯删 Gnph妇【c]。蹦rIbIIT咖．UK．J山2∞5：125一132 万方数据 基于改进的SIFT特征的图像双向匹配算法 作者： 骞森， 朱剑英， Qian Sen， Zhu Jianying 作者单位： 南京航空航天大学,机械电子工程研究所,南京,210016 刊名： 机械科学与技术 英文刊名： MECHANICAL SCIENCE AND TECHNOLOGY FOR AEROSPACE ENGINEERING 年，卷(期)： 2007,26(9) 被引用次数： 13次 参考文献(9条) 1.Harris C;Stephens M A combined corner and edge detector 1988 2.Tomasi C;Kanade T Detection and Tracking of Point Features[Carnegie Mellon University Technical Report CMU-CS-91-132] 1991 3.Lowe D G Object recognition from local scale-invariant features[外文会议] 1999 4.Lowe D G Distinctive image features from scale-invariant keypoints[外文期刊] 2004(02) 5.Mikolajczyk K;Schmid C Scale ＆ affine invariant interest point detectors 2004(01) 6.Mikolajczyk K Local features for object class recognition[外文会议] 2005 7.Ke Y;Sukthankar R PCA-SIFT:a more distinctive representation for local image descriptors 2004 8.Ledwich L;Williams S Reduced SIFT features for image retrieval and indoor localisation 2004 9.Delponte E SVD-matching using SIFT features 2005 本文读者也读过(8条) 1. 王立中.麻硕士.薛河儒.侯振杰.WANG Li-zhong.MA Shuo-shi.XUE He-ru.HOU Zhen-jie 一种改进的SIFT特征点 匹配算法[期刊论文]-内蒙古大学学报（自然科学版）2009,40(5) 2. 张春美.龚志辉.孙雷.ZHANG Chun-mei.GONG Zhi-hui.SUN Lei 改进SIFT特征在图像匹配中的应用[期刊论文]- 计算机工程与应用2008,44(2) 3. 柯杉.王博亮.黄晓阳.KE Shan.WANG Bo-liang.HUANG Xiao-yang 一种改进的SIFT算法及其在医学图像配准中的 应用[期刊论文]-厦门大学学报（自然科学版）2010,49(3) 4. 赵垒.侯振杰.ZHAO Lei.HOU Zhen-jie 一种改进的SIFT图像配准方法[期刊论文]-计算机工程2010,36(12) 5. 张良.王海丽.吴仁彪.Zhang Liang.Wang Hai-li.Wu Ren-biao 基于改进局部不变特征的兴趣点匹配[期刊论文 ]-电子与信息学报2009,31(11) 6. 高健.黄心汉.彭刚.王敏.吴祖玉.GAO Jian.HUANG Xin-han.PENG Gang.WANG Min.WU Zu-yu 一种简化的SIFT图 像特征点提取算法[期刊论文]-计算机应用研究2008,25(7) 7. 刘焕敏.王华.段慧芬.LIU Huan-min.WANG Hua.DUAN Hui-fen 一种改进的SIFT双向匹配算法[期刊论文]-兵工自 动化2009,28(6) 8. 纪华.吴元昊.孙宏海.王延杰.JI Hua.WU Yuan-hao.SUN Hong-hai.WANG Yan-jie 结合全局信息的SIFT特征匹配 算法[期刊论文]-光学精密工程2009,17(2) 引证文献(14条) 1.洪小伟.石守东.康丹 一种基于小波模极大值的图像特征匹配算法[期刊论文]-宁波大学学报（理工版） 2009(1) 2.鹿艳晶.马苗 基于灰色粒子群优化的快速图像匹配算法[期刊论文]-计算机工程与应用 2009(10) 3.林克正.王浩.辛晨 SIFT算法的相似性度量优化[期刊论文]-哈尔滨理工大学学报 2012(3) 4.段富.张耀宗 基于分维搜索和环状描述符的SIFT改进算法[期刊论文]-电脑开发与应用 2010(5) 5.陈抒瑢.李勃.董蓉.陈启美 基于Ncut的SIFT特征匹配算法[期刊论文]-计算机工程 2012(17) 6.谢仁伟.牛铮.王力 基于控制点库的SIFT多源影像自动配准方法[期刊论文]-测绘科学 2011(4) 7.王晓华.傅卫平.梁元月 提高SIFT特征匹配效率的方法研究[期刊论文]-机械科学与技术 2009(9) 8.曾峦.王元钦.谭久彬 改进的SIFT特征提取和匹配算法[期刊论文]-光学精密工程 2011(6) 9.肖来元.闭彬 文本检索方法驱动的海量图像数据库目标匹配研究[期刊论文]-计算机工程与科学 2010(2) 10.赵灵芝.李伟生 一种基于LTP特征的图像匹配方法[期刊论文]-计算机应用研究 2009(10) 11.王彦.傅卫平.朱虹.梁元月 结合小波变换与SIFT特征的工件图像匹配[期刊论文]-机械科学与技术 2009(5) 12.曹红杏.柳稼航.阮萍 基于SIFT特征的图像自动拼接[期刊论文]-电视技术 2008(z1) 13.卜凡艳.檀结庆 利用SIFT算子与图像插值实现图像匹配[期刊论文]-计算机工程与应用 2011(16) 14.韦虎.张丽艳.刘胜兰.石春琴 基于SIFT图像特征匹配的多视角深度图配准算法[期刊论文]-计算机辅助设计与图 形学学报 2010(4) 本文链接：http://d.g.wanfangdata.com.cn/Periodical_jxkxyjs200709021.aspx