隨著互聯(lián)網(wǎng)的發(fā)展，信息交換也從初的以文字開(kāi)始逐漸發(fā)展到了文字、圖像、聲音、視頻的多媒體信息交換?？梢院敛豢鋸埖卣f(shuō)，圖像在整個(gè)信息交換中的重要性，僅次于文字。由于以往圖像的體積很大，加之網(wǎng)絡(luò)帶寬的限制，使得圖像的傳輸技術(shù)的發(fā)展速度很快。SIFT算法提取圖像局部特征，成功應(yīng)用于物體識(shí)別、圖像檢索等領(lǐng)域。該算法由DAVID G.L.于1999年提出[1],并于2004年進(jìn)行了發(fā)展和完善[2],MIKOLAJCZYK[3]對(duì)多種描述子進(jìn)行實(shí)驗(yàn)分析，結(jié)果證實(shí)了SIFT描述子具有強(qiáng)的魯棒性。然而這些描述子僅利用圖像的灰度信息，忽略了圖像的彩色信息。為了提高光照不變性，獲得更高的識(shí)別率，研究者提出了基于顏色不變特性的SIFT彩色描述子。目前彩色描述子主要分為基于顏色直方圖、基于顏色矩、基于SIFT三類(lèi)。本文對(duì)彩色SIFT描述子進(jìn)行了深入的研究，闡述了彩色SIFT描述子，給出了每種彩色描述子的性能評(píng)價(jià)。

　　1 SIFT算法分析

　　SIFT是一種基于特征的配準(zhǔn)方法。SIFT特征匹配算法是 DAVIdG.Lowe在2004年總結(jié)了現(xiàn)有的基于不變量技術(shù)的特征檢測(cè)方法的基礎(chǔ)上，提出的一種基于尺度空間的、對(duì)圖像縮放、旋轉(zhuǎn)甚至仿射變換保持不變性的特征匹配算法。該算法匹配能力較強(qiáng)，能提取穩(wěn)定的特征，可以處理兩幅圖像之間發(fā)生平移、旋轉(zhuǎn)、仿射變換、視角變換、光照變換情況下的匹配問(wèn)題，甚至在某種程度上對(duì)任意角度拍攝的圖像也具備較為穩(wěn)定的特征匹配能力，從而可以實(shí)現(xiàn)差異較大的兩幅圖像之間的特征的匹配。Mikolajczyk和Schmid針對(duì)不同的場(chǎng)景，對(duì)光照變化、圖像幾何變形、分辨率差異、旋轉(zhuǎn)、模糊和圖像壓縮等6種情況，就多種代表性的描述子（如SIFT,矩不變量，互相關(guān)等10種描述子）進(jìn)行了實(shí)驗(yàn)和性能比較，結(jié)果表明，在以上各種情況下，SIFT描述子的性能。

　　SIFT描述子對(duì)圖像的局部特征進(jìn)行描述，當(dāng)圖像進(jìn)行旋轉(zhuǎn)、平移、尺度縮放、仿射變換等，SIFT特征具有很好的穩(wěn)定性。SIFT算法主要分為四個(gè)步驟：檢測(cè)尺度空間極值點(diǎn)、定位極值點(diǎn)、為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)、關(guān)鍵點(diǎn)描述子的生成。

　　SIFT算法的特點(diǎn)：

　　1. SIFT特征是圖像的局部特征，其對(duì)旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對(duì)視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性；2. 獨(dú)特性（Distinctiveness）好，信息量豐富，適用于在海量特征數(shù)據(jù)庫(kù)中進(jìn)行快速、準(zhǔn)確的匹配；3. 多量性，即使少數(shù)的幾個(gè)物體也可以產(chǎn)生大量的SIFT特征向量；4. 高速性，經(jīng)優(yōu)化的SIFT匹配算法甚至可以達(dá)到實(shí)時(shí)的要求；5. 可擴(kuò)展性，可以很方便的與其他形式的特征向量進(jìn)行聯(lián)合。

　　1.1 檢測(cè)尺度空間極值點(diǎn)

　　計(jì)算SIFT描述子的步是搜索所有尺度和圖像位置，它通過(guò)使用高斯差函數(shù)識(shí)別對(duì)尺度和方向不變的潛在興趣點(diǎn)來(lái)實(shí)現(xiàn)。關(guān)鍵點(diǎn)就是多尺度高斯差的極大值/極小值。

　　對(duì)輸入的圖像進(jìn)行尺度變換，利用高斯核與二維圖像做卷積運(yùn)算：

    高斯核定義如下：

　　實(shí)際計(jì)算中，是在特征點(diǎn)的領(lǐng)域內(nèi)采樣，創(chuàng)建梯度方向直方圖。直方圖每10度分為一柱，共36個(gè)柱。然后將領(lǐng)域內(nèi)的每個(gè)采樣點(diǎn)按梯度方向Φ歸入適當(dāng)?shù)闹?，以梯度模m作為權(quán)重。選擇直方圖的主峰值作為梯度的主方向，能量值達(dá)到主峰值80%以上的局部峰值作為輔助方向。

　　1.4 關(guān)鍵點(diǎn)描述子的生成

　　以特征點(diǎn)為中心取8×8的采樣窗口，在4×4的小塊區(qū)域上計(jì)算其梯度方向直方圖。繪制好每個(gè)方向梯度累加值，形成了一個(gè)種子點(diǎn)。每個(gè)特征點(diǎn)由4個(gè)種子點(diǎn)構(gòu)成。在實(shí)際計(jì)算過(guò)程中，通常使用4×4共16個(gè)種子點(diǎn)來(lái)描述特征點(diǎn)。這樣總共產(chǎn)生了4×4×8共128維的特征描述子向量。

　　2 基于彩色的SIFT研究進(jìn)展

　　SIFT描述子對(duì)圖像的高斯梯度進(jìn)行編碼，該描述子在空間模式下描述了灰度圖像16個(gè)種子點(diǎn)及每個(gè)種子點(diǎn)8個(gè)梯度方向。由于SIFT算法只是利用圖像的灰度信息，不能很好地區(qū)分形狀相似但顏色不同的物體。光照的變化很大程度上影響著彩色物體識(shí)別的效果。在物體描述與匹配中，顏色可以提供更加有用的信息，物體的顏色信息被忽略，致使一些物體會(huì)被錯(cuò)誤地分類(lèi)。在圖像處理中彩色圖像能夠表達(dá)更多的信息，彩色信息可以獲得更高的辨別率。針對(duì)這一問(wèn)題，研究人員對(duì)基于彩色的SIFT特征點(diǎn)提取算法進(jìn)行了深入的研究。

　　2.1 SIFT彩色描述子

　　彩色描述子主要分為基于直方圖、基于顏色矩和基于SIFT三類(lèi)。這三類(lèi)描述子的選取依據(jù)其具體的環(huán)境。彩色直方圖描述子丟失了顏色的空間分布，彩色矩包含了圖像局部的光度信息與顏色空間信息分布。SIFT描述子包含了顏色局部空間信息分布。為了提高光照不變性，獲得更高的識(shí)別率，基于SIFT的彩色描述子得到發(fā)展，例如： HSV-SIFT、HueSIFT、opponent SIFT、WSIFT、rgSIFT和transformed Color SIFT.

　　彩色SIFT描述子基于顏色不變特性。在尺度空間中，對(duì)彩色圖像特征點(diǎn)進(jìn)行檢測(cè)，確定特征點(diǎn)的位置，在顏色空間模型下計(jì)算特征點(diǎn)相關(guān)種子點(diǎn)的顏色梯度，對(duì)每個(gè)特征點(diǎn)用128×3維的特征描述子進(jìn)行描述。該描述子融合了特征點(diǎn)的顏色信息與幾何信息。

　　HSV-SIFT HSV顏色空間中，H表示顏色的色調(diào)，S表示顏色的純度，即表示一種顏色中加入了多少白光，V表示顏色值的大小。該顏色空間的模型對(duì)應(yīng)于圓柱坐標(biāo)系中的一個(gè)圓錐形子集。BOSCH[5]計(jì)算HSV顏色空間三個(gè)通道為每個(gè)特征點(diǎn)生成彩色描述子。每個(gè)通道經(jīng)過(guò)計(jì)算生成128維向量，這樣總共生成128×3維的向量。

　　HueSIFT在HSV顏色空間中，色調(diào)捕捉了顏色的主要波長(zhǎng)，描述了圖像的彩色信息。VAN de Weijer[4]采用級(jí)聯(lián)色調(diào)直方圖的方法應(yīng)用于SIFT描述子，計(jì)算三個(gè)通道為每一關(guān)鍵點(diǎn)生成128×3維HueSIFT描述子向量。

　　OpponentSIFT對(duì)立色理論認(rèn)為人類(lèi)視網(wǎng)膜上存在三種光化學(xué)物質(zhì)-視素，每種視素都能發(fā)生同化和異化兩種變化，在同化過(guò)程中，視素產(chǎn)生合成，異化過(guò)程產(chǎn)生分解。同化異化的發(fā)生完全是由于不同光譜組成的色光刺激的結(jié)果。而同化異化的結(jié)果使人產(chǎn)生相應(yīng)的對(duì)立顏色感覺(jué)。即紅-綠、黃-藍(lán)、黑-白等六種不同色覺(jué)?；趯?duì)立色理論，對(duì)立色空間模型如下：

               
　　該彩色模型具有O1、O2、O3三個(gè)通道分量。O3通道包含了大部分強(qiáng)度信息，O1與O2通道包含了彩色信息。生成特征點(diǎn)描述子時(shí)，對(duì)模型中每一分量計(jì)算SIFT特征描述子，這樣生成了128×3維的描述子向量，該描述子稱(chēng)為OpponentSIFT.W-SIFT在對(duì)立色空間模型中O1與O2通道分量仍然會(huì)包含一些強(qiáng)度信息，為使強(qiáng)度的變化不影響SIFT特征，GEUSEBROKE[6]提出了用于消除強(qiáng)度信息的方法。消除強(qiáng)度信息直觀表示為在對(duì)立色空間模型中定義與，對(duì)O1、O2分量做除法，這樣去除了強(qiáng)度信息變化的干擾，然后對(duì)每一分量計(jì)算生成特征描述子，該描述子稱(chēng)為W-SIFT。
rgSIFT rgb空間模型是一種歸一化的RGB模型，定義如下：

　　r與g分量描述了圖像的顏色信息。由于歸一化的r與g分量具有尺度不變特征，因此不受其光照強(qiáng)度的變化、陰影與底紋的影響。計(jì)算rgSIFT特征描述子時(shí)結(jié)合了歸一化RGB彩色模型中r分量與g分量。

　　Transformed color SIFT在RGB空間模型中，光照的變化對(duì)RGB直方圖穩(wěn)定性產(chǎn)生影響。光強(qiáng)度的變化引起顏色不規(guī)則分布，致使直方圖產(chǎn)生偏移。為了消除偏移，在RGB模型中對(duì)于每個(gè)通道顏色的分布減掉其顏色分布的均值μ，除以該通道下分布的標(biāo)準(zhǔn)差δ。定義后的空間模型如下：

　　在該模型下計(jì)算每個(gè)通道分量的SIFT描述子，對(duì)特征點(diǎn)進(jìn)行描述，該描述子稱(chēng)為T(mén)ransformed color SIFT.

　　2.2 彩色SIFT描述子的性能評(píng)價(jià)

　　BURGHOUTS G J[7]在試驗(yàn)中對(duì)比彩色SIFT描述子與灰度SIFT描述子，當(dāng)光照顏色變化與光散射時(shí)彩色SIFT描述子具有更好的性能。然而彩色空間的選擇與光照的變化對(duì)彩色SIFT描述子的性能還是有一定的影響。為了得到各種彩色描述子的性能，Koea[8]在光強(qiáng)度變化、光強(qiáng)度偏移、光強(qiáng)度的變化與偏移、光色的變化、光色的變化與偏移等多種光照變化情況下對(duì)描述子進(jìn)行實(shí)驗(yàn)與分析，可以得到每種彩色描述子的性能如表1所示。

　　SIFT算法是多尺度空間理論提出后產(chǎn)生的，對(duì)圖像的局部特征進(jìn)行提取，SIFT描述子對(duì)于旋轉(zhuǎn)、尺度縮放、仿射變換、視角的變換具有很好的穩(wěn)定性。對(duì)大多數(shù)圖像尺度變換、旋轉(zhuǎn)、仿射變換等具有很強(qiáng)的不變性?；陬伾蛔兲匦缘牟噬枋鲎硬粌H保留了SIFT原有特性，可以獲得更高的辨別率，而且對(duì)于光照的變化也保持了很好的不變性。

　　為了提高SIFT的一些能力和加快匹配速度，對(duì)標(biāo)準(zhǔn)的SIFT描述子改進(jìn)的技能是：（1）在標(biāo)準(zhǔn)的SIFT上利用不同的直方圖、不同區(qū)域的形狀、HSV組件、使用 RGB 直方圖等等； （2）利用降維方法（如主成分分析（PCA）），以減少SIFT的特征維數(shù)。