基于改进SURF算法的织物图像配准方法分析

针对加速稳健特征(SURF)算法是对整幅图像进行特征点检测,无法满足织物图像纹理单一且相似性和密度大的特点,同时在图像配准时,采用邻近方法进行特征检测和匹配所需的搜索时间长、计算效率低的问题,提出一种基于KD树(k-dimensional tree)搜索和SURF特征的图像配准算法。该算法的输入是配准图像中的特征点集合,生成特征描述向量,建立特征描述向量的KD树索引。进行图像配准时,采用比值法作为特征点对是否匹配的判据,将配准图像中的每个特征点都当做查询点,并在KD树中寻找与查询点距离最近的前两个特征点。最后采用结合几何运动参数估计与插值的M-Estimate Sample Consensus(MSAC)算法对匹配点对进行提纯。实验结果表明,基于改进SURF算法在进行特征检测时,在速度和准确率方面,都有所提高。