基于改进SURF算法的无人机遥感图像配准

摘要

对无人机视觉导航图像配准SURF(speeded up robust features)算法进行改进,将SURF特征提取与BRISK特征描述相结合,提出SURF-BRISK算法。首先,采用相对运算速度更快的FLANN(fast library for approximate nearest neighbors)算法粗匹配特征点。然后,对错误匹配的特征点使用鲁棒性较好的RANSAC(random sample consensus)算法进行筛选与剔除。最后,与SIFT(scale-invariant feature transform)算法及SURF算法进行对比。结果显示:在城市场景SURF-BRISK算法的运行时间相对于SIFT、SURF算法分别减少了约86%、74%;配准精度分别提高了约7%、13%;匹配点的对数也大幅提升。