兰 红 王秋丽

基于聚类和马氏距离的SURF昆虫图像匹配算法

兰 红 王秋丽

(江西理工大学信息工程学院 江西 赣州 341000)

针对SURF(Speeded Up Roubust Features)算法在检测特征点和进行特征匹配过程中存在的受噪声点干扰，容易产生误匹配、匹配效率低等问题，提出一种基于聚类和马氏距离的改进SURF图像匹配算法。首先，利用均值聚类算法剔除噪声，对SURF算法提取的特征点，采用聚类算法进行分类和噪声点去除，生成新的特征点数据集；然后，应用马氏距离考虑整体相关性的特点，将SURF算法中的欧式距离用马氏距离替代，提高算法的匹配效率。实验应用于昆虫图像识别和匹配时，改进算法较原SURF算法在匹配效率和准确率上有明显提高。

图像匹配 SURF算法 聚类算法 马氏距离

0 引 言

昆虫是地球上最繁盛的动物类群,其种类多数量大，在自然生态系统和人类社会生活中扮演着重要的角色。昆虫既可以作为有利资源供人们使用，同时也可以给经济带来重大的损失。因此研究昆虫生态学和昆虫形态学具有重大的意义[1]。研究昆虫生态学和昆虫形态学首先要研究昆虫的形态特征以及昆虫的结构特征，图像分割[2]技术将所要识别的图像与背景分割开来是昆虫图像识别的第一步，图像匹配将分割出来的昆虫图像作为模板，利用图像的特征信息对目标昆虫图像进行筛选得到所要的昆虫图像，是昆虫图像识别的又一重要环节。因此图像匹配在昆虫图像识别中有重要的作用。……