基于显著区域检测的SURF特征匹配优化算法  

作　　者：陈谦[1,2] 吴清[1,2] 

机构地区：[1]河北工业大学计算机科学与软件学院 [2]河北省大数据计算重点实验室,天津300401

出　　处：《软件导刊》2017年第3期22-26,共5页Software Guide

基　　金：河北省自然科学基金项目(F2015202239);天津市科技计划项目(14RCGFGX00846)

摘　　要：针对传统SURF匹配算法在特征点选取阶段选取了大量不符合匹配预期的特征点,增加了后期匹配的运算复杂度,提出一种SURF算子和显著区域检测相结合的方法。为使检测出的极值点和预期匹配的目标更加接近,用SURF算子构建出尺度空间图像后对该空间作显著区域检测,再对特征点赋显著度权值并通过孤立点剔除和局部冗余筛选出目标点,筛选后的特征点比传统方法得到的特征点数量明显减少,在降低时间复杂度的同时匹配精度提高了18%。特征匹配时引入RANSAC算法剔除误匹配点对,对匹配结果作进一步修正。实验表明,与传统SURF算法比较,改进算法在实时性和匹配精度方面均更优。

关 键 词：SURF算法 显著区域检测 尺度空间 特征值 匹配精度 RANSAC算法 

分 类 号：TP312[自动化与计算机技术—计算机软件与理论]