立體視覺測(cè)量中的點(diǎn)特征提取與匹配算法.pdf

1、圖像局部特征點(diǎn)提取與匹配是計(jì)算機(jī)視覺領(lǐng)域中一項(xiàng)重要的技術(shù)，為許多更高級(jí)的視覺研究應(yīng)用提供了基礎(chǔ)性的技術(shù)支持。隨著目標(biāo)識(shí)別與跟蹤、立體視覺測(cè)量、機(jī)器人視覺導(dǎo)航與路徑規(guī)劃、三維重建等計(jì)算機(jī)視覺技術(shù)在工業(yè)生產(chǎn)、航空航天、醫(yī)療甚至軍事領(lǐng)域的廣泛應(yīng)用，圖像局部特征點(diǎn)的提取與匹配算法越來(lái)越受學(xué)術(shù)研究和工程應(yīng)用人員的關(guān)注。除了Harris、SIFT、SURF等經(jīng)典算法外，諸如 FAST、AGAST、BRIEF、BRISK等新的優(yōu)秀算法不斷出現(xiàn)，圖像特

2、征點(diǎn)提取算法正日益成為計(jì)算機(jī)視覺領(lǐng)域研究和應(yīng)用的熱點(diǎn)之一。
　　亮度變化是影響特征點(diǎn)提取與匹配的重要因素，針對(duì)有亮度缺陷圖像特征點(diǎn)提取和匹配數(shù)目較少的問(wèn)題，采用了LCC和SCB亮度色彩校正的方法，將圖像亮度和色彩遷移到相近水平，明顯提高了特征點(diǎn)的提取和匹配數(shù)目。在SIFT和SURF等特征點(diǎn)的匹配策略方面，深入研究了K-D樹算法和在此基礎(chǔ)上加入優(yōu)先級(jí)隊(duì)列的BBF搜索策略。針對(duì)特征點(diǎn)誤匹配問(wèn)題，采取了在RANSAC基礎(chǔ)上的優(yōu)化算法OR

3、SA進(jìn)行濾除。
　　SIFT和SURF算法雖然有著優(yōu)秀的性能，但也有非常明顯的速度方面的缺陷，大大限制了它們?cè)趫D像和視頻檢索、實(shí)時(shí)目標(biāo)跟蹤、視覺導(dǎo)航等領(lǐng)域的應(yīng)用。BRISK、ORB等新的算法雖然有較快的執(zhí)行速度，性能卻大打折扣。本文針對(duì)尺度縮放、視角變換、亮度變化等因素對(duì)SURF、ORB和BRISK三種算法的性能進(jìn)行了詳細(xì)的對(duì)比分析。在最后提出一種性能介于SURF和BRISK之間的折中方案SU-BRISK，在保持較好性能的同時(shí)大大