具有抗仿射性的局部特征点匹配方法

针对现有局部特征匹配算法对具有仿射性的图像匹配效果欠佳、耗时较长,以及随机采样一致性(RANSAC)算法对仿射性图像匹配得不到较好的参数模型等问题,提出一种具有抗仿射性的A-AKAZE(Affine Accelerated KAZE)算法,并用向量场一致性来筛选内点。首先利用非线性函数构建尺度空间,然后借助Hessian矩阵检测特征点,并以特征点为中心选取合适的区域作为特征采样窗口;再把特征采样窗口在经纬度上进行投影以模拟不同角度对图像的影响,随后在投影区域中提取具有抗仿射性的A-MLDB(Affine Modified-Local Difference Binary)描述符;最后利用向量场一致性算法提取内点。实验结果表明:A-AKAZE算法的正确匹配率相较于AKAZE算法提高了20%以上,与AKAZE+RANSAC算法相较提升了15%左右,与ASIFT(Affine Scale-Invariant Feature Transform)算法相比提高了10%左右,相比ASIFT+RANSAC算法提高了5%;而且该算法的匹配速度远高于AKAZE+RANSAC、ASIFT和ASIFT+RANSAC算法。

基于APAP模型的大视差图像拼接算法

针对待拼接图像具有大视差时,重叠区域会出现重影和拼接效率较低等问题,提出一种基于改进ORB算法的大视差图拼接模型。首先构建尺度空间,借助FAST算法提取特征点并建立主方向,再对特征采样区域建立MLDB描述符,然后采用向量场一致性算法筛选内点,最后通过APAP模型完成配准拼接。实验表明,与ORB算法相比,改进ORB算法的鲁棒性更好,与SIFT算法和AKAZE算法相比,匹配速度更快;本算法拼接与GlobalHomography算法、传统APAP模型和AANAP模型相比,效率更高、拼接效果更好,符合视觉审美。