基于空间约束的快速鲁棒特征匹配优化

该文提出一种基于空间约束的快速鲁棒特征(SURF)匹配优化算法,称为SC-SURF。首先通过SURF算法检测和匹配图像的特征点。然后根据最近邻比例越低其匹配精度越高的特点,得到按最近邻比率排序的匹配点。并以最优匹配点作为参考点生成新的坐标系,利用空间位置关系地图对每对匹配点进行编码。同时为了简化随机抽样一致性(RANSAC)算法,选择尽量少的最优匹配点对作为RANSAC的代表测试数据集,并由该测试数据集拟合目标投影变换矩阵。最后结合匹配点间的空间位置关系和简化的RANSAC算法对匹配点进行几何校验。实验表明该方法在达到良好匹配精度的同时,具有鲁棒性强,匹配速度快的优点。

结合惯性导航特性的快速景象匹配算法

针对景象匹配/惯性组合导航对图像匹配算法实时性、鲁棒性、精确性的要求,结合惯性导航的工作特点,深入分析快速鲁棒特征(speeded up robust feature,SURF)算法主要技术特征,研究了其影响导航性能的主要因素。结合惯性器件的误差特性,提出针对导航应用的SURF改进方法,较好地增强了算法的实时性、稳定性、可控性。在图像匹配基础上,构建适应景象匹配算法的空间变换模型,从而在理论上检测图像匹配的正确性并求解导航参数。研究结果表明,基于SURF研究的景象匹配算法具备亚像素级精度、毫秒级实时性和优越的抗形变能力。