摘要
针对高维特征向量存在的最近邻匹配正确率低的问题,提出了一种基于SURF和快速近似最近邻搜索的图像匹配算法。首先用Fast-Hessian检测子进行特征点检测,并生成SURF特征描述向量;然后通过快速近似最近邻搜索算法得到初匹配点对,再对得出的单向匹配结果进行双向匹配;最后采用鲁棒性较好的PROSAC算法进一步剔除误匹配点对。实验证明了该算法不仅提高了SURF算法匹配的正确率,还保证了算法的实时性。
This paper proposed an images matching algorithm based on SURF and fast approximate nearest neighbor search for that nearest neighbor matching of high-dimensional feature Vector was low. First, this algorithm used Fast-Hessian detection to find features, and generated feature vector of SURF descriptors. Then using bidirectional approximate nearest neighbor matching algorithm to match, finally adopted PROSAC algorithm to exclude mistake matching points. Experiments show that the algo- rithm not only imnroves the matching correct rate of SURF algorithm, and ensure the real-time nature.
出处
《计算机应用研究》
CSCD
北大核心
2013年第3期921-923,共3页
Application Research of Computers
基金
国家自然科学基金资助项目(61170203)
国家"973"计划前期研究专项基金资助项目(2011CB311802)
国家教育部博士点基金资助项目(200806970014)
陕西省自然科学基金资助项目(2011JQ8001
2010JQ8011
虚拟现实应用教育部工程研究中心开放基金资助项目(MEOBNUEVRA200903)
陕西省教育厅资助项目(09JK738
12JK0730)
