基于余弦相似度的改进ORB匹配算法

成 怡 ，朱伟康 ，徐国伟

（1.天津工业大学 电气工程与自动化学院，天津300387；2.天津工业大学天津市电工电能新技术重点实验室，天津300387）

目前，许多图像特征点匹配算法都在使用二进制特征描述符，例如 BRIEF[1]、ORB[2]和 DAISY[3]等算法，这是因为它们相比于SIFT[4]、ASIFT[5]和SURF[6]这类使用梯度描述符的算法，拥有计算量少、存储更紧凑的优点。二进制特征描述符通常采用汉明距离（Hamming distance）匹配方法进行特征匹配。

汉明距离[7]是通过将2个二进制特征描述符按位做异或操作求得，所求得的结果中1的数量越少，代表2个二进制描述符越相似。它相比于欧氏距离[8]、马氏距离[9]和信息熵[10]这些相似性算法，在计算效率上远远超过后者。但是在某些特殊情况下，例如原图像和目标图像有许多相似区域时，会呈现出较高的误匹配率。即使应用 RANSAC（Random Sample Consensus）算法消除误匹配点，误匹配率仍然很高，因为汉明距离只能证明两特征点所在的邻域信息相似，但是却很难描述两点的空间几何状态和位置信息。

目前改善这个问题的方法有许多，大致可以分为3类。第1类方法就是改善局部特征描述符，让其具备空间几何状态和位置信息。例如融合全局环境描述符（integrate Global Context descriptor）[11]、嵌套 SIFT 描述符（Nested-SIFT descriptor）[12]、兴趣点对描述符（pairs of interest point descriptor）[13]、空间几何信息描述符（spatial geometric information descriptor）[14]等。以上方法可以改善这一问题，但是其特征描述符的计算往往比较繁琐，导致匹配时间增加，从而降低匹配效率。第2类方法是改进匹配算法，例如Beis等[15]提出的NN算法，通过调整阈值（最近邻向量和下一个最近邻向量之比）来削减一些误匹配。……