1、圖像匹配作為圖像處理里的主要組成部分，它的速度、精確度與穩(wěn)健度的提升一直是科研人員們十分關(guān)注的課題.其研究方法主要分為基于灰度的和基于特征的方法.前者的算法相對簡單但是比較敏感，他們主要借助于圖像的灰度信息，匹配效率不是很理想。后者對形變等的適應(yīng)性相對理想，SIFT（Scale Invariant Feature Transform）算法是后者中的相對穩(wěn)定的算法，可以處理旋轉(zhuǎn)、光照等干擾，但它也存在效率低、精度差等問題。
　　本文

2、先對SIFT算法進行研究，然后對其改進，該改進方法對于邊緣顯著的圖像尤其試用.SIFT算法所用的圖像為灰度圖像，但是對于邊緣顯著的圖像來說，用二值圖像來代替灰度圖像進行SIFT特征匹配，由于二值圖像的像素點的值為0或1，這使邊界更加清晰，同時還可以使SIFT特征描述子更加簡單，這為匹配節(jié)約了時間。此外，128維的特征描述子會給該算法帶來很大的計算量，從而影響實時性，本文降維方法將特征描述子的維數(shù)減少了一半，但降維后的64維的特征描述子仍

3、包含了降維前的128維的特征描述子中的所有信息.本文所用的降維方法不但減少了算法的運行時間，而且對算法的準(zhǔn)確性并無影響.通過研究不難發(fā)現(xiàn)，用歐式距離進行匹配會降低算法的準(zhǔn)確性，為了提高算法的準(zhǔn)確率，本文用加權(quán)的歐式距離代替歐式距離進行進行匹配。最后設(shè)計了一系列的實驗來檢測本文改進算法的性能，實驗結(jié)果表明，當(dāng)圖像之間有一定的光照、旋轉(zhuǎn)、和視點變化時，匹配效果依舊較好，且算法的運行時間遠遠少于原算法，所以本文提出的改進算法在實時性與準(zhǔn)確率方