基于改进AKAZE的特征匹配算法及应用

张润梅，宦思琪，张 媛，徐静雯

（安徽建筑大学，合肥 230601）

一般来说，图像中所显示的几何特征、光线特征、空间位置、质地、边缘信息等，在不同的时间、视角、使用不同传感器对同一物体进行摄影时，都可能有显著的区别，如果再考虑各种干扰和噪音的影响，多次拍摄的图像则会存在或大或小的差异［1］。图像匹配就是查找并确定多次拍摄的图像相同和不同的点，以确认相同的位置；如果两幅图像相同的点较多，它们之间的相关性相对较高；相反，如果两幅图像的相同点较少，则2个图像之间的相关性相对较低。图像的相关性影响匹配结果，相关度高的情况下图像的匹配良好，相反相关度低的情况下，图像的匹配结果较差［2］。

图像的匹配主要可以划分为基于灰度的图像匹配和基于特征的图像匹配。基于灰度的匹配是最先在国际上发展并流行起来的图像匹配技术，这种匹配方法主要是在一幅图像中选择一块图像中的区域，用该图像中的区域在另一幅新的图像中进行移动，寻找另一幅新的图像中与此查找区域的灰度差别最小的部分，以此基本实现两幅相似图像间的灰度匹配，这类的算法一般都需要遍历多个查找区域进行运算［3］。最先被提出的基于灰度的图像匹配检测算法，是1971年由Leese提出的平均绝对差值检测算法（MAD），通过遍历计算以寻找2个区域的灰度差而基本实现了两幅图像间的配准。1972年由Barnea和Silverman提出了基于图像序列相似性检测的算法（SSDA），这个算法通过设定阈值以有效地避免遍历计算数据寻找的复杂过程，并减少计算过程的量。……