采用逆近邻与影响空间的图像特征误匹配剔除方法

针对结构相似、纹理重复的场景中特征匹配结果存在特征误匹配率较高的问题,采用密度聚类分析,提出一种基于逆近邻与影响空间的误匹配剔除方法.首先依据初始特征匹配候选集,利用特征匹配的全局信息构建特征匹配集,充分体现特征匹配对间的局部相似性、几何与运动一致性;然后采用基于逆近邻与影响空间的密度聚类分析,利用可扩展半径方法构造特...     

基于动态拓展的特征匹配方法

针对图像间结构复杂、纹理重复的对象中存在特征匹配鲁棒性差、误匹配率高的问题,结合最近邻思想,提出一种基于动态拓展的特征匹配方法。输入待匹配的两幅图像,采用SIFT算子提取图像初始特征点几何位置信息,构建基础数据集;依据基础数据集,采用核心点周围邻域逐层约束的动态拓展聚类方法,划分图像聚类簇;设计度量函数确定图像对应聚类簇,生成对应簇内特征点的描述子;采用最近邻距离比准则进行特征匹配。以Oxford VGG标准数据集和古建筑图像为对象,验证了该算法的精确性与鲁棒性。     

基于加权相似性度量的特征匹配方法

针对图像特征匹配过程中采集图像易受噪声、光照、尺度等因素影响使产生的匹配结果鲁棒性差、误匹配率高等问题,提出一种基于加权相似性度量（WSM）的特征匹配方法。该方法首先采用基于网格多密度聚类的特征匹配（FM_GMC）算法对原始图像进行特征聚类块划分;其次在每一特征聚类块中,采用Canny提取边缘特征点并使用尺度不变特征变换（SIFT） 进行描述;然后采用加权的方式对特征聚类块之间的空间上下文信息间的Hausdorff距离、图像特征点外观描述子间的欧氏距离以及图像特征点的局部几何灰度信息的归一化互相关度量（NCC）进行相似性度量;最后依据最近邻距离比值（NNDR）对相似性度量结果进一步优化,从而确定特征匹配结果。以古建筑图像为数据集的实验结果表明WSM方法的平均匹配精确率达到92%,在匹配数量和精确率上优于常用的特征匹配方法,验证了该方法的有效性和鲁棒性。