一种改进的fast角点检测和描述算法.docVIP

一种改进的fast角点检测和描述算法 　　摘要：针对FAST特征不具备尺度不变特性和图像匹配阶段耗时过多的问题，提出了基于多尺度fast和旋转不变LBP算子的快速特征匹配算法。首先提出一种多尺度fast算法，提取出模板图像和待匹配图像的稳定特征点，然后使用旋转不变的LBP描述符描述特征向量，最后对特征向量使用BBF算法进行匹配，寻找最近邻特征点，采用欧式距离作为特征点匹配的判定标准，如最近的距离与次近的距离比值小于一个阈值，则是一对匹配点，并使用RANSAC算法剔除误匹配点。旋转不变的LBP算子的旋转不变性能够一定程度上克服特征点主方向不准确的缺点，是提取的特征描述符更加稳定，生成更简单的51维局部不变特征描述符。实验证明：该算法与SURF算法描述能力相近，光照和旋转条件下比SURF性能更好，并且匹配速度更快。 　　关键词：FAST；旋转不变LBP；BBF；K-d树；RANSAC 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2015）06-0177-02 　　图像匹配作为模式识别和图像处理的一种关键技术，在遥感数据分析[1]，医学图像处理[2]和计算机视觉方面[3]已经得到了广泛的应用。 　　LOWE等人提出了SIFT算法[4-5]，这种算法是一种鲁棒性好、尺度不变的特征描述方法，但是实时性不够。Bay等[6]提出的SURF算法，在特征点周