基于改进AKAZE算法的快速图像配准方法

针对无人机影像匹配容易出现匹配速率低、鲁棒性差的问题,提出一种改进AKAZE(accelerate-KAZE)算法的快速图像匹配方法.首先,在特征提取阶段,使用AKAZE算法对非线性尺度空间进行构建,采用fast retina keypoint(FREAK)描述符对特征点进行有效描述;之后,利用基于网格的运动估计(GMS)方法对所获得特征点进行预匹配,并进行鲁棒性优良的区分;最后,在随机抽样一致性(RANSAC)算法的基础上对匹配结果进行进一步筛选.为了验证所提方法的有效性,使用Oxford标准图像数据集和RSSCN7遥感图像数据集进行实验,对所提方法与改进AKAZE、ORB、KAZE、SIFT+FREAK算法进行对比,确保所提方法在保持较高准确率的同时能够实现快速的图像配准.在图像光照变化、模糊变换及压缩变换下,所提方法能够保持较好的鲁棒性,可以满足无人机影像实时匹配的需求.