-
题名一种基于数据聚类的鲁棒SIFT特征匹配方法
被引量：6
- 1
-
-
作者
范志强
赵沁平
-
机构
虚拟现实技术与系统国家重点实验室(北京航空航天大学)
北京航空航天大学计算机学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2012年第5期1123-1129,共7页
-
基金
国家"八六三"高技术研究发展计划基金项目(2009AA012103)
-
文摘
针对噪声敏感造成的SIFT特征匹配鲁棒性低问题,提出一种基于数据聚类的两阶段特征匹配方法.在满足特征匹配几何距离最邻近本质要求下扩展了kd数据结构,使其不但能够完成算术平均化匹配特征离线聚类,而且能够实现第1阶段聚类特征在线匹配.在此基础上,给出一种概率最优投票策略选择关键图像进行第2阶段匹配,最后合并两阶段属于关键图像的所有匹配特征对.实验结果表明,对于大量存在重叠关系的图像集合,该方法能够有效减少重复特征数量,降低噪声信息对特征匹配的干扰,极大地提高特征匹配的鲁棒性.
-
关键词
聚类特征
鲁棒匹配
合成k-d树
SIFT
投票策略
-
Keywords
clustering feature
robust matching
composite/e-d tree
SIFT
voting scheme
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
