一种基于历史特征的SURF改进算法研究

图像配准是数字图像处理深度应用的基础之一,其中基于SURF的图像配准算法因识别率高而得到广泛的研究与应用,但其数据量大且对计算要求较高,因此提出一种基于对象关联的配准方法,在SURF前端提取对象ROI以检测是否有新的对象进入检测区域从而将新旧对象分为两类分别处理,对于已经存在的对象可根据运动特征关联进行进一步过滤,较大幅度地减少重复特征点的检测和计算,也可避免依赖局部区域像素的梯度方向造成过大的误差。实验结果表明,改进的算法提高了配准率,减少了约20%的计算量,帧率下降至0.8左右时趋于稳定,保证了较好的实时性。

Research on a SURF improved algorithm based on historical characteristics