利用Hough变换的匹配对提纯

目的针对传统的匹配对提纯算法存在容错性差、效率低等问题,提出了一种利用Hough变换的匹配对提纯算法。方法假设正确的匹配对一致性地服从一个变换模型。首先,为两幅图像的变换关系选择一个合适的数学模型,利用Hough变换确定模型方程参数的解。然后检验原始匹配对,保留符合模型方程的匹配对,从而达到提纯的目的。结果与传统的RANSAC(random sample consensus)等算法相比,本文算法具有更高的容错率、召回率与更优的运行效率,且是稳定的。实验结果表明,在误配率低于85%时算法能完全剔除误匹配,且误配率高达95%时依然有50%的可能性成功剔除误匹配。结论把Hough变换引入到匹配对提纯的应用中,该算法在所选模型准确或近似准确的情况下能鲁棒地提纯匹配对。由于模型方程参数个数决定参数空间维数,维数高导致投票及搜索最大值点的时间、空间复杂度大,因此该算法适用于模型参数较少(不大于4)的情况。