基于改进SURF算法的移动目标实时图像配准方法研究

针对目标在移动过程中实时视觉图像特征点提取与配准的不稳定性,提出一种多算法融合的改进配准方法。首先,采用双边滤波、Canny边缘检测及形态学处理方法得到具有较强顽健性特征的边缘周边检测区域并基于离散Gaussian-Hermite矩对SURF算法中的Hessian矩阵进行修正,重新定义特征描述向量,同时采用肯德尔系数对配准的特征点进行约束。其次,通过融合光谱辐射颜色不变量模型及ISURF算法对实时视觉彩色图像进行配准。最后,将改进算法与目标自适应更新算法相结合,实现了移动目标在室内环境中的实时匹配。实验结果表明,在不同旋转尺度下,改进算法的静态图像配准较SURF算法具有较高配准精度,移动图像特征点提取及配准数量的稳定性达到97%以上。