【摘要】：用SURF代替SIFT实现特征点提取，用最近邻匹配法得到潜在的匹配对，再结合RANSAC和最小二乘法，求出配准后的图像。对比试验值同真实值可知，对图像进行尺度变化、旋转、平移时，用基于SURF的图像配准方法可以获得误差小、精度高的计算值。采用方框滤波和积分图像算法，显著提高了SURF的运算速度。在整个配准过程中，基于SURF的图像配准方法运行速度快，显著降低了匹配耗时，且精度较高，对实现匹配导航的实时性非常有益。
6.3.3 SURF和SIFT匹配方法比较
用SURF代替SIFT实现特征点提取，用最近邻匹配法得到潜在的匹配对，再结合RANSAC和最小二乘法，求出配准后的图像。匹配实验结果见图6-19、图6-20、图6-21以及表6-2所示。
6-19 背景场图像SURF特征检测
图6-20 目标图像特征检测
图6-21 匹配结果示意图
表6-2 基于SURF的图像匹配定位
对比试验值同真实值可知，对图像进行尺度变化、旋转、平移时，用基于SURF的图像配准方法可以获得误差小、精度高的计算值。
相对SIFT，SURF方法用在图像配准中的优越性在于运算速度上，两种方法的特征检测及其匹配的结果如表6-3所示。
由表6-3中特征点个数、匹配耗时量可知，用SURF取得的特征点数量相对较少，但用最近邻匹配法仍能得到潜在的匹配点对，进而求得图像间的变换关系。采用方框滤波和积分图像算法，显著提高了SURF的运算速度。在整个配准过程中，基于SURF的图像配准方法运行速度快，显著降低了匹配耗时，且精度较高，对实现匹配导航的实时性非常有益。
表6-3 SURF算法与SIFT算法特征提取和匹配时间比较
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
