基于改进 SURF 的增强现实图像匹配方法

来源：计算机技术与发展杂志2024年第01期北京时间：

作者：贾一鑫;邓魏永;殷强;毋涛

单位：1. 西安工程大学 计算机科学学院,陕西 西安 710699;2. 华宇铮蓥集团,福建 泉州 362801;3. 中国纺织工业联合会,北京 100020

摘要：针对传统增强现实图像匹配算法鲁棒性不强且效率不高的问题,提出一种改进的 SURF 匹配算法。 首先,使用SURF 算法进行特征点检测,并通过 Haar 小波模板确定特征主方向,在得到特征主方向后构建特征描述符;由于传统SURF 算法采用高达 64 维的矩形描述符,导致算法的计算量非常大,并且鲁棒性不强。 因此,该文使用 DAISY 圆形描述符替代原始算法中的矩形描述符,DAISY 是三层同心圆结构,每层包含 8 个采样点,可以得到 25 个维度的描述符,这种结构使得算法的鲁棒性大大增强并且降低了计算复杂度;接着,使用特征描述符计算欧氏距离进行特征点匹配;最后,对得到的匹配点集使用随机抽样一致( RANSAC) 与三角不规则网络( TIN) 算法进行优化,剔除误匹配点。 实验结果表明,该算法虽然略微增加了时间复杂度,但鲁棒性变得更强,并且算法的效率和匹配精度也大大提高,平均精度达到了 95% 以上。

关键词：增强现实;图像匹配;SURF 算法;DAISY 描述符;随机抽样一致;三角不规则网络