SICA-SIFT和粒子群优化的图像匹配算法北大核心CSCD

针对目前使用较多的尺度不变特征转换算法在提取图像特征向量时因数量较多、维数较大造成匹配时计算量过高、匹配过程中约束条件过于单一、误匹配率较高等问题,提出一种改进的匹配算法。针对特征描述的问题,采用子模式独立成分分析法算法对特征向量进行降低维数处理,减少了特征向量的数量和维数;针对误匹配率较高的问题,在约束条件中加入方向约束,即通过特征向量的方向和欧氏距离进行两次匹配,减小误配率;在匹配时通过粒子群算法寻找函数的极值,以减少该算法的时间消耗。实验对比结果表明,改进的匹配算法有效地提高了匹配的准确率。