改进的加速鲁棒特征算法在特征匹配中的应用

提出一种新的多尺度改进加速鲁棒特征(SURF)分块特征匹配算法,定义为Modified-SURF(M-SURF)。此方法在运用图像积分技术的SURF基础上进行分块特征匹配,使计算速度进一步加快;同时使用了基于二阶多尺度模板生成的特征描述子,提高了特征点匹配的鲁棒性。文中首先推导了M-SURF算法二阶多尺度模板公式;然后,介绍了分块匹配的方法,解决了匹配计算速度与精度不能兼得的矛盾,通过实验获得了分块模板的最佳参数;最后,采用欧氏空间最近距离比次近距离的方法衡量匹配的优劣度,利用LMedS方法剔除误匹配点,使匹配精度有较大的提高。对多组图像进行了匹配实验,结果表明:与SURF和尺度不变特征变换(SIFT)算法比较,M-SURF的计算速度提高了28%,匹配精度提高了3%。该算法能够很好地实现特征点的正确匹配,具有很高的使用价值。