引入极线约束的SURF特征匹配算法
目的 特征点匹配算法是当今计算机图像处理领域的研究热点,但是大多数现存的方法不能同时获得数量多和质量优的匹配.鉴于此,基于SURF (speeded-up robust features)算法,通过引入极线约束来提高特征匹配效果.方法 首先使用SURF算法检测和描述图像特征点,然后使用RANSAC(random sampling consensus)方法计算匹配图像之间的基础矩阵,通过该基础矩阵计算所有特征点的极线.再引入极线约束过滤掉错误匹配,最终获得数量与质量显著提高的匹配集合.结果 实验结果表明,该方法获得的匹配具有高准确度,匹配数目与原约束条件相比可高达2~8倍.结论 本文方法实现过程简单,不仅匹配准确度高且能够大大提高正确的特征匹配数,适用于处理不同类型的图像数据.
图像处理、特征匹配、极线约束、基础矩阵、SURF(speeded-up robust features)
21
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61474064;南京邮电大学基金项目NY212076,NY212050;National Natural Science Foundation of China61474064
2016-09-06(万方平台首次上网日期,不代表论文的发表时间)
共9页
1048-1056