基于改进的FAST和FREAK的图像匹配算法

针对传统图像匹配算法匹配时间较长、误匹配率较高的问题,提出一种改进的FAST和FREAK的图像匹配算法.该算法首先在圆形邻域上不断改变像素点个数,并与其他FAST像素模板进行对比,从而建立FAST-9特征点提取方法;然后计算其FREAK局部不变特征描述符,生成特征向量;最后通过RANSAC一致性筛选剔除误匹配点.实验结果表明,本文算法与SIFT、BRIEF算法比较,图像匹配时间缩短且图像匹配精度有一定的提高,并且对图像的旋转差异、尺度差异和光照差异都具有较好的鲁棒性.     

基于Agast-Adaboost的图像匹配算法

针对传统浮点型特征描述算法误匹配率高、匹配率低的问题,提出了一种基于尺度空间金字塔与AGAST(adaptive and generic accelerated segment test)快速特征提取相融合的局部二进制特征匹配算法(Agast-Adaboost local binary feature matching algorithm,ALBFMA).该算法首先构建高斯尺度空间金字塔,将AGAST与尺度空间融合并提取特征点,然后用改进的Adaboost算法对特征点进行二值描述,生成特征向量,从而提高该算法的匹配速率和匹配精度.实验结果表明:与已有算法相比,该算法具有匹配精度高的优点,并且对光照、尺度及旋转有良好的鲁棒性.