【技术实现步骤摘要】
本专利技术涉及图像匹配，具体为一种融合迭代加权回归与仿射变换改进ransac的图像匹配方法。
技术介绍
1、图像经过特征点提取和匹配后，因非刚性形变、图像复杂变化和噪声干扰等影响导致匹配结果不可避免地产生许多误匹配。当存在误匹配导致匹配精度降低时，需要利用异常值剔除算法对误匹配进行剔除。现有技术中，随机抽样一致性算法(random sampleconsensus，ransac)是一种通过不断迭代拟合模型的有效剔除误匹配的方法。
2、ransac算法是一种通过随机采样和多次迭代寻找最优参数模型的算法。在多次迭代下，对于空间中的所有匹配点，满足约束条件的点归类为内点，不满足约束条件的点归类为外点。通过对内点进行拟合模型、参数估计并剔除不符合条件的外点，获得更具鲁棒性的估计结果，即求解一个大小为3×3的最优单应性矩阵h，实现剔除误匹配。
3、但是，图像初步匹配后，由于旋转、缩放以及非刚性形变等多种变换影响造成误匹配而降低匹配精度的问题，因此我们提出了一种融合迭代加权回归与仿射变换改进ransac的图像匹配方法来解决上述
【技术保护点】
1.一种融合迭代加权回归与仿射变换改进RANSAC的图像匹配方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种融合迭代加权回归与仿射变换改进RANSAC的图像匹配方法，其特征在于：所述S2中特征提取算法采用SIFT或者SURF或者ORB。
3.根据权利要求1所述的一种融合迭代加权回归与仿射变换改进RANSAC的图像匹配方法，其特征在于：所述S3的具体步骤为：
4.根据权利要求3所述的一种融合迭代加权回归与仿射变换改进RANSAC的图像匹配方法，其特征在于：所述S3.1的具体步骤为：S3.1.1：假设参考图像的匹配点集为(...
【技术特征摘要】
1.一种融合迭代加权回归与仿射变换改进ransac的图像匹配方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种融合迭代加权回归与仿射变换改进ransac的图像匹配方法，其特征在于：所述s2中特征提取算法采用sift或者surf或者orb。
3.根据权利要求1所述的一种融合迭代加权回归与仿射变换改进ransac的图像匹配方法，其特征在于：所述s3的具体步骤为：
4.根据权利要求3...
【专利技术属性】
技术研发人员：李洋，马佳奇，付雅楠，凌雨，章宇，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。