一种利用邻近特征点夹角一致性约束的匹配提纯方法

基于特征点的匹配是图像检索领域的重要研究内容,如何滤除误匹配点对更是研究的热点问题.针对特定目标对称性强、相似特征点多时容易产生误匹配的情况,提出一种利用邻近特征点夹角一致性约束的匹配提纯方法,并应用于车型识别.该方法根据两幅待匹配图像中对应邻近特征点夹角应当一致的原则,并利用局部图像块直方图信息,对SIFT特征点匹配结果提纯.实验表明该方法有效提高了匹配点的准确率,对图像旋转、缩放、角度变换等仿射变换有良好的鲁棒性,对图像模糊、光照、马赛克等影响也有一定抗干扰能力.

基于近似尺度不变特征转换的序列图像融合算法(英文)

在分析了尺度不变特征转换算法特点的基础上提出了一种近似尺度不变特征转换算法,该算法改变了传统尺度不变特征转换算法的框架,将尺度不变特征转换描述符看作是一种特殊的Harris算子,该算法既保留了尺度不变特征转换描述符的优点又降低了计算量.另外,为了提高特征匹配的精度,给出了一种新的特征点对提纯算法.实验结果表明,近似尺度不变特征转换算法在不影响匹配性能的前提下大大缩短了处理时间,经过提纯后的特征点对匹配性能显著提高,最终得到的全景图像过渡平稳,重叠区域没有显著的痕迹.