基于改進(jìn)的KAZE算法的特征提取與匹配.pdf

1、圖像的特征提取與匹配是圖像處理領(lǐng)域中的重要組成部分，高的匹配成功率和更短的算法運(yùn)行時(shí)間是優(yōu)秀算法的不變追求。圖像匹配的過程分為特征提取、特征描述和特征匹配，針對(duì)前兩個(gè)步驟的算法進(jìn)行有代表性的研究，分別對(duì)兩個(gè)步驟中的算法做對(duì)比。使用隨機(jī)采樣一致性(RandomSample Consensus，RANSAC)算法對(duì)加速魯棒特征(Speeded-up RobustFeatures，SURF)的匹配過程做優(yōu)化，通過雙向匹配來減少誤匹配。給出幾組

2、經(jīng)過縮放比例和旋轉(zhuǎn)角度的圖像，通過實(shí)驗(yàn)仿真結(jié)果和數(shù)據(jù)表格，可以看出優(yōu)化后的算法比原有算法的匹配率高，匹配的速度也更快。
　　使用局部特征點(diǎn)的檢測(cè)算法，在多尺度的分解過程中，線性高斯金字塔在平滑過程中能減弱噪聲的影響，從而得到需要的特征點(diǎn)。但高斯模糊的過程會(huì)使圖像的邊緣信息變得模糊，不易識(shí)別，也就是說高斯分解時(shí)對(duì)圖像的局部精度是有損害的。KAZE算法能解決這種問題，該算法采用非線性的尺度分解，在圖像的模糊處理過程中，采用非線性濾波構(gòu)