SURF和RANSAC的特征图像匹配

摘要：

针对图像匹配过程中存在匹配运行时间长、匹配正确率低的问题,采用随机采样一致性(random sample consensus,RANSAC)算法优化加速鲁棒特征(speed up robust features,SURF)的方法,提出一种适应性强的优化匹配算法.首先使用SURF算子进行特征检测和特征描述,再使用邻近算法对特征点进行预匹配,最后使用随机采样一致性(RANSAC)算法优化匹配结果.在相同的实验环境中通过对尺度不变特征变换(scale invariant feature transform, SIFT)算法、SURF算法和提出的优化算法进行比较,优化算法较SIFT算法和SURF算法分别减少匹配点对数38对和18对,剔除了误匹配点,提高了匹配正确率并减少了算法的运行时间.

关键词：特征提取、加速鲁棒特征、随机采样一致性

所属期刊栏目：23

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61305001

在线出版日期：2018-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：117-121