一种改进的FREAK算法的图像特征点匹配

摘要：

由于FREAK算法存在不具备尺度不变性的缺陷,特征点匹配策略单一容易出现匹配效果不理想的问题,鉴于SIFT和RANSAC算法思想,本文提出一种改进的FREAK算法:SFREAK (SIFT and FREAK).首先,生成高斯差分金字塔图像,使检测出来的特征点具有尺度不变性;然后采用FREAK描述符对特征点进行描述,获得二进制描述子;最后,在特征点匹配过程中通过Hamming距离匹配进行粗匹配,并结合RANSAC算法对匹配点对进行提纯,实现两幅图像的特征点匹配.实验结果表明,本文提出的改进算法有效解决了FREAK不具备尺度不变性的缺陷,在图像发生尺度变化时,SFREAK算法特征点匹配准确率达到95.7％,相比于FREAK提高了61.9％.另外,本文改进的算法与传统SIFT、FREAK算法相比,表现出更好的鲁棒性.

关键词：改进FREAK、SIFT、RANSAC、特征点匹配

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：广州市科学研究专项基金资助项目201510010059

在线出版日期：2018-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：37-42