改进SIFT算法结合两级特征匹配的无人机图像匹配算法

摘要：

针对无人机航拍图像匹配过程中所需时间长、成本高、计算量大的问题,提出一种几何代数法(Geometry Al-gebra,GA)和尺度不变特征变换(Scale Invariant Feature Transform,SIFT)结合的无人机图像匹配算法,以实现图像的快速特征提取和特征匹配.首先利用GA算法和SIFT算法进行特征点的检测及描述;接下来进行两级特征匹配,即先使用快速最近邻搜索包(Fast Library for Approximate Nearest Neighbors,FLANN)算法对特征点进行粗匹配,再根据改进的随机抽样一致算法(Random Sample Consensus,RANSAC)来优化匹配结果.实验结果表明,与传统的图像匹配方法相比,提出的算法可以准确地定位更多的特征点,极大地提高了图像对准过程的速度,并且可以为大型无人机图像匹配节省大量时间.

关键词：无人机图像匹配、几何代数法、SIFT算法、FLANN、粗匹配、改进、RANSAC算法

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目51378119

在线出版日期：2019-07-03（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：316-321