基于区域自适应模型耦合向量约束的图像匹配算法

目的 为了解决提高图像匹配算法的匹配精度与鲁棒性。方法 设计基于区域自适应模型耦合向量约束规则的图像匹配算法。首先引入采用上下文信息的显著性分析方法，提取图像的显著区域和非显著区域。根据区域的显著性特征构造区域自适应模型，用以动态调整FAST算法中的灰度阈值，提取图像中的特征点。然后，通过欧氏度量将特征点邻域内的点分为长、短点集；通过长点集生成特征方向，利用短点集生成特征向量，以获取特征点的描述符。最后，对特征点之间的Hamming距离进行度量，实现特征点的匹配。利用匹配特征点组成的向量建立向量约束规则，对匹配特征点进行优化，完成图像匹配。结果 实验结果表明，与当前图像匹配技术相比，所提算法具有更高的鲁棒性与匹配正确度，当目标旋转角度达到100°时，其匹配准确率仍可达到88.95%。结论 所提算法具有良好的适应性，在遇到几何变换时，具有较好的匹配精度，在图像处理、信息安全等领域具有良好的参考价值