基于FAST和BRIEF的密度聚类图像匹配算法改进

摘要：

FAST(Features From Accelerated Segment Test)特征检测算法是通过邻域像素比较来确定特征点,运算简单,同时采用BRIEF(Binary Robust Independent Elementary Features)算子进行二值化特征描述,可有效降低数据复杂度,提高匹配速度.因此,结合FAST和BRIEF算法,对截取的图像感兴趣区域(ROI)进行特征点提取,在减少数据量的基础上保证了图像特征点的快速获取与匹配;同时,利用机器学习中的密度聚类(DBSCAN),将暴力匹配特征点对的角度和距离作为二维数据样本集进行簇分类,优化改进匹配结果,有效提高匹配精度.通过实验比对改进结果与RANSAC(Random Sample Consensus)错误剔除算法,表明该方法提取速度快、匹配精度高.

关键词：FAST、BRIEF、ROI、密度聚类、图像匹配

所属期刊栏目：43

分类号：P25;TP751(专业测绘)

资助基金：国家科技计划项目2016YFB05190201

在线出版日期：2020-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：54-57