针对传统ORB(oriented FAST and rotated BRIEF)算法存在计算量较大、匹配精度较低等问题,提出一种将双边滤波和词袋(BoW)模型相融合的匹配算法。首先,采用双边滤波对图像进行对比度增强和去噪;获取图像的特征点和描述子,将BRIEF描述子...针对传统ORB(oriented FAST and rotated BRIEF)算法存在计算量较大、匹配精度较低等问题,提出一种将双边滤波和词袋(BoW)模型相融合的匹配算法。首先,采用双边滤波对图像进行对比度增强和去噪;获取图像的特征点和描述子,将BRIEF描述子通过BoW模型转化为BoW特征向量,利用BoW模型进行相似度筛选;最后通过渐进采样一致(PROSAC)算法剔除误匹配点对,提高算法的匹配精度。实验结果表明,改进的算法与传统算法相比匹配精确率和匹配速度都明显提高,并且具有较强的鲁棒性。展开更多
文摘针对传统ORB(oriented FAST and rotated BRIEF)算法存在计算量较大、匹配精度较低等问题,提出一种将双边滤波和词袋(BoW)模型相融合的匹配算法。首先,采用双边滤波对图像进行对比度增强和去噪;获取图像的特征点和描述子,将BRIEF描述子通过BoW模型转化为BoW特征向量,利用BoW模型进行相似度筛选;最后通过渐进采样一致(PROSAC)算法剔除误匹配点对,提高算法的匹配精度。实验结果表明,改进的算法与传统算法相比匹配精确率和匹配速度都明显提高,并且具有较强的鲁棒性。
