改进SIFT算法在模糊图像特征识别中的应用

针对处理模糊图像时很难采集到有效匹配点的问题，提出一种基于SIFT匹配的模糊图像特征识别方法。采用SIFT算法将经预处理后的模糊图像依次与建立的模糊空间中的图像进行匹配，获取模糊图像特征点，

在图像产生的过程中，因为受到某些因素的干扰，使得图像质量退化，上述图像即为模糊图像[1] [2] [3] [4]。模糊图像被广泛应用于各种领域中，一个典型的例子就是电子监控系统。随着城市建设的不断发展，很多公共场所及企业均安装了电子监控[5]-[10]。然而，当出现状况后，监控数据的回放通常存在数据不完整，画面不清晰的情况，导致关键信息由于模糊而无法辨认[11] [12] [13]。因此，对于模糊图像特征识别的研究具有非常重要的意义，已经成为相关学者研究的重点课题，受到了广泛的关注。在对模糊图像特征进行识别的过程中，出现图像模糊成因及相关参数未知的现象，导致传统的基于不变矩的模糊图像特征识别过程， 由于忽略了模糊相关参数的选择， 处理模糊图像时很难采集到有效的匹配点[14] [15] [16]。

本文首先分析了传统模糊图像特征识别方法的原理和弊端， 提出一种改进的模糊图像特征识别方法， 同时通过实验验证了该方法的有效性。

2. 基于不变矩的模糊图像特征识别原理及弊端分析 不变矩特征即图像中具有平移、旋转及比例不变性的数学特征。不变矩方法主要通过采集模糊图像中具有平移、旋转及比例不变性的数学特征实现模糊图像特征的识别。

由于模糊图像特征针对平移、旋转及比例变换均具有不变性，因此，需通过普通矩与中心矩的线性组合获取。

通过归一化的二阶和三阶中心矩组合获取七个对平移、旋转及尺度变换不变的矩。该矩针对平移、旋转和大小比例变化均为不变的。

基于不变矩的模糊图像特征识别方法，忽略了模糊相关参数的选择，处理模糊图像时很难采集到有效的匹配点，不能适应模糊图像的实时变化及不确定性，无法有效实现模糊图像特征识别。

3. 基于SIFT 匹配的模糊图像特征识别方法 3.1. 模糊图像预处理 通常情况下，受外界环境的干扰，模糊图像会存在明显的噪声干扰，需对其进行平滑处理。在对模糊图像进行预处理的过程中，本文设定一个方差阈值，如果待识别图像的方差超过该阈值，则对其进行平滑预处理，否则，无需对其进行预处理。

用(), , u x y t 描述原始模糊灰度图像，引入时间变量t，对下述偏微分方差进行计算，获取一组逐渐平滑模糊图像(), , u x y t ：