引入极线约束的SURF特征匹配算法

目的特征点匹配算法是当今计算机图像处理领域的研究热点,但是大多数现存的方法不能同时获得数量多和质量优的匹配。鉴于此,基于SURF(speeded-up robust features)算法,通过引入极线约束来提高特征匹配效果。方法首先使用SURF算法检测和描述图像特征点,然后使用RANSAC(random sampling consensus)方法计算匹配图像之间的基础矩阵,通过该基础矩阵计算所有特征点的极线。再引入极线约束过滤掉错误匹配,最终获得数量与质量显著提高的匹配集合。结果实验结果表明,该方法获得的匹配具有高准确度,匹配数目与原约束条件相比可高达2～8倍。结论本文方法实现过程简单,不仅匹配准确度高且能够大大提高正确的特征匹配数,适用于处理不同类型的图像数据。