基于SURF的快速图像匹配改进算法

摘要：

针对传统SURF算法在图像匹配中使用固定阈值提取的特征点不均匀、匹配正确率低以及时间复杂度高的问题,提出一种基于SURF算法的快速图像匹配改进算法.首先,通过对Hessian矩阵行列式值分布的统计分析,提出一种阈值自适应方法来提取更有效的特征点;然后采用四叉树方法对所提特征点进行均匀化以降低误匹配率,并提出一种划分深度自适应的方法对四叉树算法进行改进,防止四叉树过度划分;最后,本文首次将BEBLID二进制描述子与改进SURF算法相结合,利用基于机器学习的采样模式对特征点构建具有强描述性的二进制描述子,在提升匹配正确率的同时加快匹配速度.实验结果证明,本文所提算法在Mikolajcyzk图片数据集测试中的匹配正确率比传统SURF算法高9.7％～27.0％,算法速度比SURF提高了50％以上.对比SIFT、SURF、BRISK、ORB算法,本文所提改进算法具有更优的鲁棒性和实时性.

关键词：改进SURF、图像匹配、自适应阈值、四叉树、BEBLID描述子

所属期刊栏目：43

分类号：TP391.4;TH744(计算技术、计算机技术)

资助基金：航空科学基金ASFC-201951048001

在线出版日期：2023-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：47-53