杨晨晖,刘守达,王子明,郭义凡,李 辉

(厦门大学信息科学与技术学院，福建 厦门 361005)

车辆匹配是智能交通系统的重要组成部分,其在停车场智能管理、道路监控、高速路自动收费等方面有着广泛的应用前景．

基于特征的匹配算法按照描述方式的不同,目前主要分为两大类,一类是用于处理边缘、角点等局部特征的强特征描述,目前使用最广泛的是尺度不变特征(SIFT)算法,其主要思想最初是由David Lowe提出[1]．目前已经有很多研究人员在SIFT算法的基础之上对算法进行了改进和完善．主要有2004年Ke等[2]提出的PCA-SIFT算法[2];2006年Bay等[3]提出快速SIFT(SURF)算法．2009年Yu提出仿射尺度不变特征变换(ASIFT)算法[4];另一类是以提取自然特征点的方式将特征的匹配转化为多类别分类问题．其中最具代表的是Lepetit等[5]提出的随机树特征匹配算法,将宽基线特征匹配问题转化为分类问题．随机树特征匹配算子不需要强特征描述．将计算量大的工作转移到训练阶段,利用基准图像上以稳定特征点为中心的邻域块作为训练样本,并用随机树分类器对其进行分类．在线阶段则用训练好的分类器对待匹配图像上检测到的特征点邻域块进行分类,从而达到匹配的目的．该类算法需要离线训练,因此限制了其应用场景,但是在条件允许其进行离线训练的情形下,该类算法在在线运行阶段能够快速准确甚至实时地进行匹配,因此其也得到了广泛的应用．

本文在前人研究的基础上,将随机蕨引入到车……