基于KD-Tree搜索和SURF特征的图像匹配算法研究

摘要：

针对图像匹配时进行特征检测和匹配的搜索时间长的问题,文章研究了基于KD-Tree搜索和SURF特征的图像匹配算法.该算法首先提取得到图像的SURF特征并生成特征描述向量,然后为这些特征描述向量建立KD-Tree索引,最后通过计算每个特征点的与其距离最近的若干个KD-Tree上的最近邻点,完成特征匹配工作.实验结果表明,与SIFT算法相比,SURF算法进行特征检测的速度要快2～3倍；与全局最近邻搜索相比,基于KD-Tree索引的近似最近邻搜索大大减少了计算量,较大地提高了SURF算法的匹配速度.

关键词：KD-Tree、SURF、图像匹配、特征提取、近似最近邻搜索

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2012-04-27（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：96-98,126