1 简介
针对RANSAC算法在误匹配点较多的情况下容易生成错误模型,导致较多的正确匹配点被剔除,降低影像间的匹配精度的问题.提出通过计算特征点的响应值,将响应值进行排序,然后将响应值较小的一部分剔除,最后使用RANSAC算法,从而达到较高的匹配精度,提高了匹配效率和正确匹配率.实验表明,本文算法较SIFT+RANSCA算法在匹配效率方面平均提高51.4%,正确匹配率平均提高8.24%,匹配精度平均提高5个像素.
编辑
编辑
编辑
正在上传…重新上传取消
2 部分代码
function [des1, loc1, des2, loc2] = drawKeypoints(img1, img2) % 用SIFT算法计算每幅图像的特征点描述子和特征点坐标 [des1, loc1] = sift(img1); [des2, loc2] = sift(img2); [x1,~] = size(loc1(:,1)); [x2,~] = size(loc2(:,1)); fprintf('img1有 %d 个关键点n',x1); fprintf('img2有 %d 个关键点n',x2); % 构建一幅图,将两幅原始图像简单排在一起显示,方便后续画出特征点匹配线 img3 = appendimages(img1,img2); figure('Position', [100 100 size(img3,2) size(img3,1)]); colormap('gray'); imagesc(img3); hold on; % 绘制img2的角点时需要加上一个偏移量(即img1的宽) disp = size(img1,2); % 开始绘制img1的特征点(角点) for i = 1 : size(loc1(:,1)) % loc的第一列是角点坐标的x,第二列是y,但Matlab绘图时默认横向是y周纵向是x轴 plot(loc1(i,2), loc1(i,1),'co'); end % 开始绘制img2的特征点(角点) for i = 1 : size(loc2(:,1)) plot(loc2(i,2)+disp, loc2(i,1),'bo'); end hold off; end
3 仿真结果
编辑
编辑
编辑
编辑
4 参考文献
[1]QIAO Yu-qing等. “基于SIFT和RANSAC算法的影像匹配.” 中国计算机学会; 中国系统仿真学会; 中国图象图形学会 中国计算机学会; 中国系统仿真学会; 中国图象图形学会, 2017.
[2]马强, 项昭保, 黄良学,等. 基于改进SIFT和RANSAC图像拼接算法研究[J]. 计算机技术与发展, 2016, 26(004):61-65.
博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。
部分理论引用网络文献,若有侵权联系博主删除。