一种基于SURF-ORB的改进图像配准算法

提出一种基于SURF-ORB的改进图像配准算法。建立SURF图像金字塔,在其上检测ORB特征点,用256位二进制字符作为特征描述向量,用最近邻法匹配特征点。利用正确匹配点间的邻域平均灰度差、欧式距离、匹配点连线与x轴夹角应近似相等的性质,筛选匹配点。改进了k-means算法,以密度大于阈值的点为类中心点,聚类,删除误差平方和大于阈值的类,将剩余特征点重新分入保留的类中。改进了RANSAC算法,将所有变换模型对应的内点合并为集合,将集合中与候选最优变换模型满足误差距离阈值的匹配点归入其内点。利用最小二乘法用其所有内点计算更精确变换模型。实验结果表明：该算法比SURF算法、ORB算法提取的特征点减少了约32%,匹配正确率提高了约16%,运算时间减少了约0.26%。