Debido a la complejidad del algoritmo de coincidencia SIFT tradicional, la redundancia de puntos característicos y la dificultad para satisfacer los requisitos en tiempo real, este artículo propone un algoritmo rápido de coincidencia de imágenes SIFT con un umbral local adaptativo. En primer lugar, el método propuesto optimiza la pirámide gaussiana construida sobre la base del algoritmo SIFT, reduciendo el número de capas para eliminar puntos característicos redundantes y mejorar la eficiencia de detección, y adapta el umbral en el algoritmo FAST según el contraste local de la imagen para lograr una detección de puntos característicos de alta calidad, seleccionando puntos robustos para una coincidencia más precisa; en segundo lugar, se utiliza una ventana circular gaussiana para establecer un vector de características reducido a 32 dimensiones, mejorando la eficiencia del algoritmo; finalmente, según la coherencia geométrica entre los pares de puntos característicos emparejados, se purifican los puntos para reducir eficazmente las coincidencias erróneas. Los resultados experimentales muestran que el método propuesto supera en rendimiento integral al algoritmo SIFT y otros algoritmos de coincidencia comparativa en precisión y eficiencia computacional, con una mejora aproximada del 10% en precisión de coincidencia y una reducción del 49% en el tiempo de ejecución en comparación con el algoritmo SIFT tradicional. En condiciones de cambios de escala, rotación y luz, la tasa de coincidencia correcta supera el 93%.

Algoritmo SIFT;Pirámide gaussiana;Umbral adaptativo;Descriptor de características;Coincidencia de imágenes