一种基于双预筛选改进的SIFT图像立体匹配算法

摘要：

针对传统尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法存在特征点冗余和计算量大等问题,提出一种基于双预筛选的强鲁棒性SIFT算法.首先在构造差分空间之前,利用像素点8邻域标准差相似度方法对特征点进行预筛选,然后利用极值检测方法对特征点进行精确定位.针对传统随机采样一致性(RANSAC)算法存在匹配效率低等问题,提出一种自适应三维多峰直方图投票的方法,采用该方法对初始匹配进行筛选,筛选结果作为RANSAC的初始内点集并对初始匹配进行提纯,最后在最优内点集中对模型参数进行计算.实验结果表明,所提算法在不同类型的图像中,相较于传统SIFT+ RANSAC算法,特征点的检测时间平均减少11.7％,总运行时间平均降低10.7％,正确匹配数平均提升2.8％;召回率与F值分别平均提升4.9个百分点与2.7个百分点,说明所提算法的综合性能具有有效性.

关键词：图像处理、SIFT算法、随机采样一致性、预筛选、特征点提取、特征点匹配

所属期刊栏目：58

分类号：TP319(计算技术、计算机技术)

在线出版日期：2022-01-12（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：182-191