改进的SURF算法在图像匹配中的应用

摘要：

针对加速稳健特征(Speeded Up Robust Features,SURF)算法在三维重建中匹配准确率低的问题,提出基于SURF算法的改进算法.首先利用SURF算法提取特征点,通过近邻搜索(Best Bin Fast,BBF)算法实现Kd-Tree快速查找最近邻特征点,结合双向唯一性匹配的方法完成图像匹配,然后在视差约束下,利用视差梯度约束对初始特征匹配对进行预处理,筛选掉一些偏差较大的匹配对,最后采用随机抽样一致(Random Sample Consensus,RANSAC)算法对特征点二次优化和去噪处理.将其他改进算法和提出的改进算法分别进行图像匹配处理比较,分析算法的性能,得到提出的改进算法匹配成功率达96.3％.实验结果证明提出的改进算法简单快速,匹配精度高.

关键词：图像匹配、特征点提取、双向匹配、视差梯度、随机抽样一致、匹配精度

所属期刊栏目：43

分类号：TN911.73-34;TP391.9

资助基金：山东省重点研发计划项目2015GSF118094

在线出版日期：2020-05-28（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：111-115