基于改进SIFT算法的烟包标签匹配算法

孙显辰 王保云 刘坤香 彭娟 陈美坤 谷雨薇

摘要：针对SIFT算法对烟包标签图像进行匹配时会有少量错误匹配的问题，提出一种基于改进SIFT算法的烟包标签匹配算法。首先，利用中值滤波方法对烟包标签模板和待匹配的烟包图像进行去噪处理;其次采用SIFT算法提取烟包标签模板和烟包图像的特征点;然后根据余弦相似度进行特征点匹配;最后计算匹配连线的斜率，对斜率结果进行K-means聚类，从而去除错误的匹配结果。实验结果表明，该方法可以解决烟包标签图像匹配结果出现的错误匹配问题。

关键词：SIFT;烟包标签;特征点匹配;K-means聚类

中图分类号：TP391     文献标识码：A

文章编号：1009-3044（2020）24-0187-02

Abstract： Aiming at the problem that there will be a small number of mismatches when matching the cigarette packet label image with the SIFT algorithm， a cigarette packet label matching algorithm based on the improved SIFT algorithm is proposed. First， the median filter method is used to pre-denoise the packet label template and the packet image; secondly， the SIFT algorithm is used to extract the feature points of the cigarette packet label template and cigarette image; then match the feature points according to the cosine similarity; finally， calculate the slope of the matching line， and perform K-means clustering on the slope result to remove the wrong matching results. Experimental results show that this method can solve the problem of mismatching in the matching results of cigarette packet label images.

Key words： SIFT; Cigarette label; Feature point matching; K-means clustering

图像匹配是计算机视觉的一个重要的领域，通常是采用匹配算法对两張图像进行特征点的提取，再根据特征向量的相似度进行图像匹配。图像匹配的算法主要分为基于像素灰度值匹配和基于图像特征点的匹配两种[1]。其中基于图像特征点的匹配算法降低了匹配过程中对光照和遮挡的影响，被广泛应用于图像匹配[2]。Lowe首次提出尺度不变特征变换（SIFT）算法[3]。SIFT算法对图像的大小、角度、亮度以及放射变化等有一定的稳定性，因此被应用于遥感影像配准[4]、图像拼接[5]以及标签匹配[6]等领域。SIFT算法对烟包标签有少量的错误匹配，为解决这个问题，对最终匹配连线的斜率进行K-means聚类，聚类结果中数量最多的一类即为匹配正确的特征点，而其他类则为应当去除的错误匹配结果。

1 图像预处理

烟包图像在采集的过程中会受到成像设备与外部环境等影响而产生噪声，这些噪声会直接影响到后续匹配结果的准确性。本文采用中值滤波对标签模板和烟包图像进行去噪处理。中值滤波方法如下：

④直到最终的标签达到收敛精度，否则重复②③步。

3.2 实验结果

基于SIFT的匹配结果如图3所示，结合图1和图2的关键点可以发现，由于模板中的部分关键点，在烟包图像中并没有对应的关键点，在匹配的过程中，会出现少量的错误匹配结果。为了去除这些错误匹配，将匹配点的连线进行K-means聚类，数量最多的一类即为正确的匹配结果，其他类别为错误的匹配结果。改进SIFT的匹配结果如图4所示，可以看出最终匹配错误的结果被去除。

4 结论

本文提出一种基于改进SIFT算法的烟包标签匹配算法，实验结果表明，在引入K-means聚类的改进算法可以有效地去除烟包匹配的错误结果，使最终的匹配结果更加准确。由于去除烟包匹配错误是在匹配结果之后，会造成识别的效率变低，今后的研究重点为在生成关键点之前对不合适的关键点进行去除，已达到更高效率、更精确的匹配结果。

参考文献：

[1] 王宏力，贾万波.图像匹配算法研究综述[C]//全国第19届计算机技术与应用学术会议（CACIS·2008）论文集，2008：431-436.

[2] 黄海波，李晓玲，熊文怡，等.基于SIFT算法的图像配准综述[J].软件导刊，2019，18（1）：1-4.

[3] LOWE D G.Distinctive Image features from scale-invariant keypoints[J].International Journal of Computer Vision， 2004， 60 （2） ：91-110.

[4] 丁国绅，乔延利，易维宁，等.基于高光谱图像的改进SIFT特征提取与匹配[J].光学精密工程，2020，28（4）：954-962.

[5] 何惠洋，韩军.基于SIFT算法的图像拼接技术研究[J].自动化与仪表，2020，35（2）：57-60，79.

[6] 于林飞，李云红，穆兴，等.改进PCA-SIFT的电子标签图像匹配算法[J].西安工程大学学报，2020，34（2）：67-72，96.

[7] 焦扬，杨传颖，石宝.基于SIFT、K-means和BOF的鞋底痕迹检索[J].计算机应用与软件，2020，37（5）：238-242.

[8] Rong Guo，Shixin Li，Ruyi Cai，Xiali Sun. Research on image matching algorithm based on improved SIFT UAV[C]. 济南林风文化传媒有限公司.Proceedings of 2019 International Conference on Applied Machine Learning and Data Science （ICAMLDS 2019）.济南林风文化传媒有限公司：济南林风文化传媒有限公司，2019：208-212.

[9] 刘鹏飞. 基于SIFT的图像配准方法研究[D].哈尔滨工业大学，2019.

[10] 魏玮，张芯月，朱叶.改进的SIFT结合余弦相似度的人脸匹配算法[J].计算机工程与应用，2020，56（6）：207-212.

【通联编辑：梁书】