基于AFSA和小波变换的快速图像匹配算法研究

提出了一种基于人工鱼群算法(简称AFSA)和小波变换的快速图像匹配算法,该算法不但能提高匹配速度,而且增强了匹配算法的抗噪性能和鲁棒性。

一种快速的两步骤图像匹配新算法

图像匹配时间包括特征提取时间和特征点匹配时间,减少特征提取时间,能够大大提高图像匹配效率。目前,普遍的匹配算法对整幅图像进行特征提取,当图像较大时,特征提取时间长,影响匹配效率。文中提出一种由粗到细的两步骤快速图像匹配新算法,这种算法在特征提取时间上作了改进。粗匹配阶段,用双直方图(TCH)哈希算法进行模板匹配,找到与模板最相似的图像区域,缩小ORB特征提取的范围。细匹配阶段,在找到的最相似区域,用高速的ORB算子提取和描述特征点。最后,用欧氏距离法进行特征向量的匹配。由于特征提取的范围被缩小到一个很小的区域,总匹配时间大大减少。实验结果表明,文中提出的图像匹配算法,在保持高匹配鲁棒性的前提下,与SIFT、SURF和ORB算法相比,匹配速度有了很大提高。

子矢量排序的渐进不相似度逼近算法

渐进不相似度逼近(IDA)算法是一种新近提出的高性能快速图像匹配算法,它通过分割匹配矢量,避免了大量的基于像素的计算。但是分割后的子矢量能量集中性差,因此算法效率仍有提升空间。为了改进能量集中性差这个问题,提出一种按子矢量方差顺序展开的方案,按该顺序展开子矢量能使匹配矢量排除得更快,平均展开的子矢量数下降,明显减少了搜索空间。除此之外,还加入了在IDA测试之前的利用整体矢量模的一次新的排除测试,并在子矢量展开中引入了PDS(partial distortion search)算法。本文改进算法对图像数据库中室内场景、室外自然场景和室外人文场景这3类图像进行测试时,整体匹配效率较IDA算法提升了72%～83%。