Angesichts der Komplexität des traditionellen SIFT-Matching-Algorithmus, der Vielzahl redundanter Merkmale und der Schwierigkeit, Echtzeit-Anforderungen zu erfüllen, wird in diesem Artikel ein schneller SIFT-Bildabgleichsalgorithmus mit lokal adaptivem Schwellenwert vorgeschlagen. Zunächst wird die auf dem SIFT-Algorithmus basierende Gauss-Pyramide optimiert, indem die Anzahl der Schichten reduziert wird, um redundante Merkmals-Punkte zu eliminieren und die Erkennungseffizienz zu verbessern. Dann wird der Schwellenwert im FAST-Algorithmus basierend auf dem lokalen Kontrast des Bildes adaptiv extrahiert, um eine hochwertige Merkmals-Punkterkennung zu ermöglichen, wobei robuste Merkmale für eine genauere Zuordnung ausgewählt werden; zweitens wird ein gaußsches rundes Fenster verwendet, um 32-dimensionale Merkmalsvektoren zu erzeugen und die Algorithmenlaufzeit zu verbessern; schließlich werden die Merkmale basierend auf der geometrischen Konsistenz zwischen den übereinstimmenden Merkmals-Paaren bereinigt, um Fehlanpassungen effektiv zu reduzieren. Experimentelle Ergebnisse zeigen, dass die Methode in Bezug auf Matching-Genauigkeit und Berechnungseffizienz die SIFT-Algorithmus und andere Vergleichs-Matching-Algorithmen übertrifft. Im Vergleich zum traditionellen SIFT-Algorithmus wurde die Matching-Genauigkeit um etwa 10 % verbessert und die Laufzeit des Algorithmus um etwa 49 % verkürzt. Bei Skalen-, Rotations- und Beleuchtungsänderungen liegt die korrekte Matching-Rate über 93 %.

SIFT-Algorithmus;Gauss-Pyramide;Adaptiver Schwellenwert;Merkmals-Deskriptor;Bildabgleich