基于加权相似性度量的特征匹配方法

胡立华，左威健，聂瑶瑶

（太原科技大学计算机科学与技术学院，太原 030024）

（*通信作者电子邮箱sxtyhlh@126.com）

0 引言

特征匹配是建立来自同一物体的两幅图像间特征点的可靠对应关系，现已广泛应用于汽车驾驶、目标跟踪、即时定位与地图构建（Simultaneous Localization And Mapping，SLAM）［1-2］、视觉导航、三维重建［3-4］等领域。但是由于采集图像受环境、时间、摄像机角度差异、传感器不同等问题的影响，易产生以下问题：1）采集的图像存在大量噪声；2）采集的图像畸变情况严重。因此，如何精确、稳定地查找特征点之间的对应关系是计算机视觉中的一个传统而关键的问题。在特征匹配过程中，图像特征点之间的相似性度量标准是影响特征匹配结果的关键因素之一，因此，如何有效地定义特征点之间的相似性度量标准是提高特征匹配效率的关键问题。

目前，特征间的相似性度量标准的设计主要取决于应用场景的选择。不同场景的相似性度量方法［5］主要包括三类：基于距离相似性的度量方法、基于图像相关的相似性度量方法以及其他的度量方法。典型的基于距离相似性度量方法［6］有：Zhao等［7］提出了一种改进的Hausdorff距离算法，适用于像素值较少的灰度图像，可有效处理噪声图像匹配；Wang 等［8］采用棋盘距离与城市距离的线性组合替换欧氏距离，在提高匹配精确率的同时还减少了算法的运行时间；Kang 等［9］采用部分Hausdorff 距离进行二值边缘图像匹配；刘坡等［10］为解决多尺度空间区域特征匹配的阈值问题，采用均方根误差（Root Mean Square Error，RMSE）度量和相邻元素的聚类算法匹配区域特征；……