一种SIFT-FREAK图像匹配算法

图像匹配算法是计算机视觉应用研究的基础.为了解决传统尺度不变特征变换算法(Scale-invariant Feature Transform,SIFT)运行效率低、存在误匹配点对和精匹配点对稀少等问题,本文将其与快速视网膜关键点(Fast Retina Keypoint,FREAK)算法和PROSAC算法相结合,提出了一种SIFT-FREAK图像匹配算法.首先在特征点检测阶段,用SIFT算法提取具有尺度不变性的特征点,然后利用FREAK算法构建二进制描述子,特征匹配时,先采用汉明距离(Hamming Distance)进行初始匹配点对,再用双向匹配完成粗匹配,最后用PROSAC算法进行精匹配.实验结果表明,本文SIFT-FREAK算法比SIFT算法和FREAK算法(以加速分割检测特征(Feature from Accelerated Segment Test,FAST)算法提取特征点)在准确率、运行效率和精匹配点数三大方面都有着一定的优势.