基于均衡化概率模型的特征匹配及其应用

通过对匹配模型中邻接矩阵的均衡化分析,在概率框架下提出一种新的特征匹配算法。采用重启动的随机游走方法建立并求解概率模型,并对匹配邻接矩阵进行了均衡化分析,提出了一种有效的双向均衡方法。方法不仅考虑了两个待匹配特征点的全部几何关联以及各项关联之间的权重值,而且考虑了关联权重的均衡性,从而可加强匹配的区分度,提高匹配的准确性。经实验证明,所提出的算法对几何畸变干扰和异常值都具有很好的鲁棒性,且适用于多种点匹配场合,在目标定位和目标识别中具有较强的适应性,有较好的实用价值。

均衡化概率模型及其在特征匹配中的应用

针对计算机视觉研究中最基本的特征匹配问题,提出了一种新的特征匹配算法,通过对匹配的概率模型中邻接矩阵的均衡化分析完成匹配过程。该算法根据待匹配特征点的几何关联性,建立匹配的概率模型,并利用一种有效的双向均衡方法,使得待匹配特征点的关联权重达到平衡,从而增强了匹配的区分度和准确性。采用重启动的随机游走(randomwalkswith restart,RWR)方法对概率模型进行求解,结合具有约束限制的时序方法获取最优匹配集。实验结果表明,与同类方法相比,该算法具有更高的匹配准确率,且适用于多种匹配场合。