融合GMS与VCS+GC-RANSAC的图像配准算法

摘要

cqvip:针对当前图像配准算法配准时间过长、配准正确率低等问题,提出一种基于网格运动统计(GMS)、矢量系数相似度(VCS)与图割随机抽样一致性(GC-RANSAC)的图像配准算法。首先,通过ORB(Oriented FAST and Rotated BRIEF)算法对图像进行特征点提取,并对特征点进行暴力匹配。之后,通过GMS算法对图像中的粗匹配特征点进行网格划分,利用网格中正确匹配点邻域内具有较高特征支持量的原理对粗匹配对进行筛选;并引入图像匹配对在进行矢量运算时VCS不超过某一设定阈值的原理对匹配对进行部分剔除,以利于算法后期的快速收敛。最后,运用GCRANSAC算法进行局部最优模型拟合,得到精匹配特征点集,实现高精度的图像配准和拼接。通过与ASIFT+RANSAC、GMS、AKAZE+RANSAC、GMS+GC-RANSAC等算法对比,实验结果表明,该算法在平均匹配精度上提高了30.34%,平均匹配时间缩短0.54 s。