可见光和红外反相图像的SURF特征双向匹配

特征匹配的准确率影响图像配准的精度,是基于特征配准方法的重点和难点之一。为了解决单向最近邻/次近邻法所导致特征点一对多的误匹配问题,提出了一种红外和可见光图像的特征双向匹配方法。首先,对红外图像进行反相和直方图均衡化处理,增强两类图像的相似性,提取数量更多重复率高的共有特征;其次,对提取的SURF(Speed-up Robust Feature)特征进行双向最近邻/次近邻粗匹配,确保特征匹配的一致性,降低误匹配率,并利用RANSAC(Random Sample Consensus)算法对特征点进行二次匹配,实现特征点精确匹配。实验结果表明,该算法在正确匹配率和配准精度方面都优于传统SURF的单向最近邻/次近邻匹配方法,具有有效性。