一种基于数据聚类的鲁棒SIFT特征匹配方法

作者：范志强; 赵沁平

来源：Z201205026, 2012, (05): 1123-1129.

• 聚类特征
• 鲁棒匹配
• 合成k-d树
• SIFT
• 投票策略 clustering feature
• robust matching
• composite k-d tree
• voting scheme

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kd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.

• 单位
  北京航空航天大学; 虚拟现实技术与系统国家重点实验室