基于SIFT算子融合最大相异系数的自适应图像匹配算法

摘要：

针对传统的尺度不变特征变换(SIFT)图像匹配算法存在的误匹配率较高、剔除误匹配点条件单一的问题,提出一种基于SIFI算子融合最大相异系数的自适应图像匹配方法.首先,在欧氏距离(Euclidean distance)比测度基础上,对SIFT算法中128维特征向量自适应获取最大相异系数优化;然后,确定最大相异系数最优取值进行匹配点筛选,并采用随机抽样一致性(RANSAC)算法进行匹配正确率计算;最后,利用Daniel Scharstein和Richard Szeliski立体匹配图像进行了算法验证.实验结果表明,改进算法较传统SIFT算法匹配正确率提升10个百分点左右,有效降低误匹配,更能够适应相似区域较多的图像匹配应用.在实时性上,所提方法单次匹配平均耗时1.236 s,可应用于实时性要求不高的系统.

关键词：尺度不变特征变换、图像匹配、最大相异系数、自适应、欧氏距离

所属期刊栏目：38

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61404069.This work is partially supported by the National Natural Science Foundation of China 61404069

在线出版日期：2018-06-15（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：1410-1414