一种核线约束模型优化与可靠性匹配方法

针对基于随机抽样一致性(RANSAC)算法的影像误匹配剔除须大量迭代逼近,计算量大,耗时长等问题,该文提出改进的核线约束模型及误匹配剔除方法。根据现有的影像匹配方法,该文选取了在重复度、独特性、鲁棒性3个方面均优越的加速稳健特征(SURF)算子。通过构造核线约束方程,对粗匹配结果排序后进行均匀采样,使得最终的核线模型更具鲁棒性;进而在双向核线约束过程中确保了匹配对的可靠性,实现了误匹配的剔除。实验结果表明,该文提出的基于最小截平方和(LTS)的核线约束模型在剔除误匹配的速度以及稳定性方面都优于现有方法。