基于SURF特征和Delaunay三角网格的图像匹配
图像特征匹配的核心是通过距离函数实现在高维矢量空间进行相似性检索。重点研究提取好的特征点并快速准确地找到查询点的近邻。首先，提取图像的多量、有区别且稳健的SURF (Speeded up robust feature)特征点，并将特征点凸包进行Delaunay 剖分。然后，对Delaunay 三角边抽样、聚类、量化并构建索引。通过票决算法，将点对匹配与否映射到矩阵中以解决距离度量没有利用数据集本身所蕴含的任何结构信息和搜索效率相对较低的问题。结合SURF 算法和Delaunay 三角网提出一种特征匹配的新方法，在标准图像集上的实验验证，在耗时基本相同的情况下，提取的特征点较多且正确匹配率较高。
SURF (Speeded up robust feature)特征、Delaunay三角网格、点对、特征匹配
TP3;TB9
国家自然科学基金61272393,61172164,61174170;中央高校基本科研业务费专项资金2013HGCH资助@@@@Supported by National Natural Science Foundation of China61272393,61172164,61174170;Chinese Universities Sci-entific Fund2013HGCH
2014-07-15（万方平台首次上网日期，不代表论文的发表时间）
共7页
1216-1222
