文献类型：期刊文章

作　　者：冯宝凤[1] 杨剑锋[1,2] 严可[1] 邹琼[3] 仝天乐[4]

FENG Baofeng;YANG Jianfeng;YAN Ke;Zou Qiong;TONG Tianle(School of Mathematics and Statistics,Guizhou University,Guiyang 550025,China;School of Data Science,Guizhou Institute of Technology,Guiyang 550003,China;Shenzhen Rayvision Technology Co.Ltd.,Shenzhen Guangdong 518000,China;Guizhou Donkey Technologies Co.Ltd.,Guiyang 550000,China)

机构地区：[1]贵州大学数学与统计学院,贵阳550025 [2]贵州理工学院大数据学院,贵阳550003 [3]深圳市瑞云科技股份有限公司,广东深圳518000 [4]贵州黔驴科技有限公司,贵阳550000

出　　处：《智能计算机与应用》

基　　金：国家自然科学基金(71901078);贵州省电力大数据重点实验室(黔科合计Z字[2015]4001)。

年　　份：2023

卷　　号：13

期　　号：9

起止页码：74-79

语　　种：中文

收录情况：普通刊

摘　　要：图像匹配在物体识别、图像拼接领域一直是尤为重要的一部分。为解决传统图像匹配算法匹配率低的问题,本文提出了一种融合RANSAC与GMS图像特征的匹配算法(RGMS算法)。该算法在ORB的基础上提取图像特征点,利用RANSAC算法对特征点进行随机筛选,最后使用GMS算法对筛选后的特征点进行特征匹配。经采用TUM公开数据测试集与传统的暴力匹配、FLANN和GMS算法进行实证研究,实验结果表明,本文提出的匹配算法具有更好的匹配效果。尤其对于图像纹理较少的情况,本文算法的图像配准率和匹配时间较传统匹配算法具有更明显的优势。

关 键 词：图像特征点匹配  RANSAC算法 GMS算法  配准率  

分 类 号：TP301.6]