基于区域自适应模型耦合向量约束的图像匹配算法

摘要：

目的 为了解决提高图像匹配算法的匹配精度与鲁棒性.方法 设计基于区域自适应模型耦合向量约束规则的图像匹配算法.首先引入采用上下文信息的显著性分析方法,提取图像的显著区域和非显著区域.根据区域的显著性特征构造区域自适应模型,用以动态调整FAST算法中的灰度阈值,提取图像中的特征点.然后,通过欧氏度量将特征点邻域内的点分为长、短点集;通过长点集生成特征方向,利用短点集生成特征向量,以获取特征点的描述符.最后,对特征点之间的Hamming距离进行度量,实现特征点的匹配.利用匹配特征点组成的向量建立向量约束规则,对匹配特征点进行优化,完成图像匹配.结果 实验结果表明,与当前图像匹配技术相比,所提算法具有更高的鲁棒性与匹配正确度,当目标旋转角度达到100°时,其匹配准确率仍可达到88.95％.结论 所提算法具有良好的适应性,在遇到几何变换时,具有较好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值.

关键词：图像匹配、区域自适应模型、欧氏度量、Hamming距离、向量约束规则、匹配特征点优化

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61379019;四川省科技厅支撑项目2015SZ0104

在线出版日期：2019-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：181-190