基于特征点的改进SIFT岩心图像匹配算法.docx

基于特征点的改进SIFT岩心图像匹配算法
基于特征点的改进SIFT岩心图像匹配算法论文
摘要：岩心图像匹配在石油勘探中具有重要的意义。现有的基于SIFT算法的岩心图像匹配存在着匹配精度低、处理速度慢等问题。本文在分析SIFT算法的基础上，提出了一种基于特征点的改进SIFT岩心图像匹配算法。该算法将图像像素点进行重采样的同时，开发出基于多速率空间分解的新的特征点检测方法，以提高特征点的稳定性和数量，并改进匹配过程以提高匹配精度。实验表明，该算法在岩心图像匹配中具有较好的效果。
关键词：SIFT算法；岩心图像匹配；特征点检测；多速率空间分解
Abstract:Imagematchingofcoresamplesplaysanimportantroleinpetroleumexploration.ExistingSIFT-basedmethodsforimagematchingofcoresamplessufferfromproblemssuchaslowmatchingaccuracyandslowprocessingspeed.Inthispaper,anewfeature-basedimprovedSIFTalgorithmforrockcoreimagematchingisproposedafteranalyzingtheprincipleoftheSIFTalgorithm.Thenewalgorithmutilizesamulti-scalespacedecompositionmethodforfeature-pointdetectiontoimprovethestabilityandnumberoffeaturepoints,andimprovesthematchingprocesstoincreaseaccuracy.Theexperimentalresultsshowthattheproposedalgorithmhasbetterresultsinrockcoreimagematching.
Keywords:SIFTalgorithm;coresampleimagematching;featurepointdetection;multi-scalespacedecomposition
1.前言
特征点提取是图像处理中的重要研究领域，可以在图像处理中用于匹配、物体识别、目标跟踪等多个方面。岩心图像匹配是石油勘探领域中的常见问题，精准的图像匹配可以帮助分析岩心组成以及岩石物理性质等特征。然而，现有的岩心图像匹配算法，尤其是SIFT算法，仍存在着一些问题，影响其匹配效果和处理速度。
本文在分析SIFT算法的基础上，提出了一种基于特征点的改进SIFT岩心图像匹配算法。该算法将图像像素点进行重采样的同时，开发出基于多速率空间分解的新的特征点检测方法，以提高特征点的稳定性和数量，并改进匹配过程以提高匹配精度。实验表明，该算法在岩心图像匹配中具有较好的效果。
2.背景与相关工作
岩心图像中的特征点通常与岩石微观结构有关，具有旋转不变性、尺度不变性和光照不变性。传统的特征点提取方法包括Harris角点、SIFT、SURF等。
SIFT算法是一种常用的特征点提取算法，具有鲁棒性和稳定性，被广泛应用于图像匹配、物体识别等领域。然而，传统的SIFT算法在岩心图像匹配中的效果不尽如人意，存在着匹配精度低、处理速度慢等问题。
目前，针对岩心图像匹配，一些学者提出了各种改进的SIFT算法，如多尺度SIFT、重新设计特征描述符等欧拉格和欧阳（2012）、基于密集SIFT和GLOH特征的图像匹配算法，等等。虽然这些算法在改善匹配精度和处理速度方面有一定的效果，但仍有一定局限性。
3.算法设计
为了解决传统SIFT算法在岩心图像匹配中存在的问题，本文提出了一种基于特征点的改进SIFT算法，核心思想为利用多速率空间分解和基于反向追踪的匹配过程来提高稳定性和速度。
3.1多速率空间分解
传统SIFT算法通过高斯金字塔进行图像尺度的变换，而图像尺度的变化同时也影响了特征尺度的选择。在特征点检测时，每个图像点都会被视为一个可能存在特征点的尺度空间点，这样会导致特征点的稳定性不如多速率空间分解方法。
本文的算法对SIFT特征点的检测主要针对找出图像的尺度空间局部极值这一步骤。具体地，在多速率空间分解中，将原图像按通过高斯核进行卷积，得到不同大小的高斯尺度空间图像。对高斯尺度空间序列进行差分，得到尺度空间的差分图像。然后，匹配算法在差分图像中完成特征点检测。
3.2基于反向追踪的匹配
传统的SIFT算法采用基于KD树的匹配策略，但在大尺度空间图像下，KD树的性能会下降，因此匹配算法也会变得低效。
对此，本文的算法采用基于反向追踪方法进行匹配。即，先选取模板