| 基于FAST和BRIEF的密度聚类图像匹配算法改进 |
| |
| 引用本文： | 刘欢蝶,龚涛,章庆伟,苏时玲.基于FAST和BRIEF的密度聚类图像匹配算法改进[J].测绘与空间地理信息,2020(3):54-57. |
| |
| 作者姓名： | 刘欢蝶 龚涛 章庆伟 苏时玲 |
| |
| 作者单位： | 西南交通大学地球科学与环境工程学院 |
| |
| 基金项目： | 国家科技计划项目(2016YFB05190201)资助。 |
| |
| 摘 要： | FAST(Features From Accelerated Segment Test)特征检测算法是通过邻域像素比较来确定特征点,运算简单,同时采用BRIEF(Binary Robust Independent Elementary Features)算子进行二值化特征描述,可有效降低数据复杂度,提高匹配速度。因此,结合FAST和BRIEF算法,对截取的图像感兴趣区域(ROI)进行特征点提取,在减少数据量的基础上保证了图像特征点的快速获取与匹配;同时,利用机器学习中的密度聚类(DBSCAN),将暴力匹配特征点对的角度和距离作为二维数据样本集进行簇分类,优化改进匹配结果,有效提高匹配精度。通过实验比对改进结果与RANSAC(Random Sample Consensus)错误剔除算法,表明该方法提取速度快、匹配精度高。
|
| 关 键 词： | FAST BRIEF ROI 密度聚类 图像匹配 |
Improvement of the Algorithm of DBSCAN of Image Matching Based on FAST and BRIEF |
| |
| LIU Huandie,GONG Tao,ZHANG Qingwei,SU Shiling.Improvement of the Algorithm of DBSCAN of Image Matching Based on FAST and BRIEF[J].Geomatics & Spatial Information Technology,2020(3):54-57. |
| |
| Authors: | LIU Huandie GONG Tao ZHANG Qingwei SU Shiling |
| |
| Institution: | (School of Geo-science and Environmental Engineering,Southwest Jiaotong University,Chengdu 611756,China) |
| |
| Abstract: | |
| |
| Keywords: | FAST BRIEF ROI DBSCAN image matching |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
