基于改进SURF的图像特征点匹配算法

摘要

为了提升图像在三维重建过程中特征点匹配时的准确率，提出了一种基于改进SURF(speeded-up robust features)的图像特征点匹配算法。首先，将SURF的64维度描述符提升至128维度；其次，在SURF算法引入KD-Tree模块，利用BBF(best bin first)最近邻查询机制实现特征点匹配；最后，通过对同一数据集进行旋转、缩小，并利用传统算法和改进SURF算法分别对图像进行特征点匹配实验，验证改进SURF算法的有效性。结果表明：改进SURF算法的特征点匹配正确率达到了89.19%,相较于传统SURF算法提高了17.62个百分点；特征错误匹配数由85减少至31,显著降低了特征点的匹配误差；运行时间由1.956 s缩短至1.647 s,进一步提升了算法的运行速度。改进后的SURF算法具备正确率高、误差小、速度快的特点，可为三维重建特征匹配工作提供重要的参考。

关键词

图像处理 / 特征点匹配 / SURF算法 / KD-Tree / 三维重建