基于三角网下的仿射不变几何约束的图像匹配算法研究

针对当前图像匹配方法的鲁棒性差、误配率较高及效率较低等不足,提出了基于三角网下的仿射不变几何约束的图像匹配算法。在尺度空间上通过Hessian矩阵对特征点进行检测,利用子块的三角特征与对角特征SURF(speeded up robust features)机制进行改进,用于生成新的特征描述子,并通过定义阈值评估策略对图像特征点进行匹配,从而生成了初始匹配点;然后,引入Delaunay三角网,对初始匹配点进行聚类,以获取匹配三角形,将三角形以外的无效特征点剔除;最后,引入仿射不变几何约束,对匹配三角形进行细化,通过细化的匹配三角形获取最终的匹配特征点,有效剔除误配点,进一步提高配准精度。仿真结果表明,与当前图像匹配算法相比,所提算法具有更好的鲁棒性,且其具有更佳的匹配精度与效率,有效剔除了误配点。

基于相似度模型耦合角度制约规则的图像匹配算法

为了克服当前图像匹配方法主要通过测量距离的方法来实现图像匹配,忽略了图像间的相似度,导致算法存在错误匹配较多以及鲁棒性较差的问题。本文提出了基于相似度模型耦合角度制约规则的图像匹配算法。采用FAST检测方法对图像特征进行检测,快速获取鲁棒特征点,以改善算法的匹配正确率。随后,利用SURF特征描述机制,通过计算特征圆域内的Haar小波响应值,对特征点进行描述。引入结构相似度SSIM(structural similarity index measurement)模型,将其与欧氏距离模型相结合,构造相似度模型,从结构相似度与测量距离两方面出发,将特征点进行粗匹配。最后,利用特征点的余弦关系,求取特征点间角度,建立角度制约规则,对粗匹配结果完成优化。实验结果显示:与典型的匹配方法相比,该算法具有更好的匹配性能较好,在多种几何变换下仍具有理想的匹配精度。