基于不变矩特征模型耦合相似度量规则的图像匹配算法

目的 为了解决当前图像匹配算法因主要利用特征点之间的距离来实现特征匹配，从而忽略了特征点的结构特征，导致算法存在较多的漏匹配点以及错误匹配点等不足的问题。方法 提出基于不变矩特征模型耦合相似度量规则的图像匹配算法。通过对待检测像素点构造的邻域圆上的点进行分类，制定检测规则，对FAST算子进行改进，利用改进的FAST算子快速、精准地检测图像的特征点。随后，构造不变矩特征模型，取代SIFT算法中获取特征向量的方法，生成低维度的特征描述符。通过Euclidean模型和SSIM建立相似度量规则，对特征点之间的相似度进行度量，完成图像的特征匹配。最后，引入随机抽样一致性（RANSAC）算法剔除错误匹配点，完成图像的匹配。结果 仿真结果显示，相较于当前的图像匹配算法，所提算法具有更高的匹配正确度和鲁棒性，其查全率最高可达95%左右，且匹配效率较快，约为3.75 s。结论 所提匹配方法具备良好的匹配精度，在图像信息安全、包装条码识别与拼接等领域具有一定的参考价值