本文针对传统SURF(Speeded Up Robust Features)算法精度和速度较低的问题,提出一种优化的图像匹配算法.在特征点提取阶段引入局部二维熵来刻画特征点的独特性,通过计算特征点的局部二维熵并设置合适的阈值来剔除一部分误点;在匹配阶段...本文针对传统SURF(Speeded Up Robust Features)算法精度和速度较低的问题,提出一种优化的图像匹配算法.在特征点提取阶段引入局部二维熵来刻画特征点的独特性,通过计算特征点的局部二维熵并设置合适的阈值来剔除一部分误点;在匹配阶段用曼哈顿距离代替欧式距离,并引入最近邻和次近邻的概念,提取出模板图像中特征点与待匹配图像中特征点曼哈顿距离最近的前两个点,如果最近的距离除以次近的距离得到的比值小于设定的阈值T,则接受这一对匹配对,以此减少错误匹配.实验结果表明该算法优于传统算法,精度和速度均有一定程度的提高.展开更多
针对传统的ORB(Oriented fast and rotated brief)算法在运算速度以及精度方面有时难以满足某些应用场合实际要求,在特征点提取阶段,利用金字塔光流法提取特征点并划分有效及无效区域特征点,从而降低特征点匹配个数和提高后续运算特征...针对传统的ORB(Oriented fast and rotated brief)算法在运算速度以及精度方面有时难以满足某些应用场合实际要求,在特征点提取阶段,利用金字塔光流法提取特征点并划分有效及无效区域特征点,从而降低特征点匹配个数和提高后续运算特征点匹配速度;在特征点匹配阶段,将传统算法中的欧氏距离改为曼哈顿距离,再用MLESAC算法来剔除误匹配点。将SURF(Speeded up robust features)算法、SIFT(Scale-invariant feature transform)算法、ORB算法和改进后的ORB算法对光照条件不同、模糊度不同以及尺度大小不同的两张图像进行处理,改进后的ORB算法无论是在匹配速度还是匹配精度方面相比于传统ORB算法都有了明显改善。展开更多
文摘本文针对传统SURF(Speeded Up Robust Features)算法精度和速度较低的问题,提出一种优化的图像匹配算法.在特征点提取阶段引入局部二维熵来刻画特征点的独特性,通过计算特征点的局部二维熵并设置合适的阈值来剔除一部分误点;在匹配阶段用曼哈顿距离代替欧式距离,并引入最近邻和次近邻的概念,提取出模板图像中特征点与待匹配图像中特征点曼哈顿距离最近的前两个点,如果最近的距离除以次近的距离得到的比值小于设定的阈值T,则接受这一对匹配对,以此减少错误匹配.实验结果表明该算法优于传统算法,精度和速度均有一定程度的提高.
文摘针对传统的ORB(Oriented fast and rotated brief)算法在运算速度以及精度方面有时难以满足某些应用场合实际要求,在特征点提取阶段,利用金字塔光流法提取特征点并划分有效及无效区域特征点,从而降低特征点匹配个数和提高后续运算特征点匹配速度;在特征点匹配阶段,将传统算法中的欧氏距离改为曼哈顿距离,再用MLESAC算法来剔除误匹配点。将SURF(Speeded up robust features)算法、SIFT(Scale-invariant feature transform)算法、ORB算法和改进后的ORB算法对光照条件不同、模糊度不同以及尺度大小不同的两张图像进行处理,改进后的ORB算法无论是在匹配速度还是匹配精度方面相比于传统ORB算法都有了明显改善。
