窦建方，秦琴，屠子美

（上海第二工业大学智能制造与控制工程学院，上海201209）

一种基于奇异值分解和置信传播的图像匹配算法

窦建方，秦琴，屠子美

（上海第二工业大学智能制造与控制工程学院，上海201209）

图像匹配技术是计算机视觉中一个很重要的问题。当匹配在不同的视角、不同光照、局部遮挡以及复杂背景的情况时，由于特征的可重复性以及区分性下降会导致许多误匹配。针对上述问题，提出了一种提高图像匹配精度方法，这种方法能够去除误匹配的同时恢复丢失的匹配点对。首先采用快速鲁棒性特征（Speeded Up Robust Features，SURF）提取关键点和描述子，从而构建邻接矩阵，然后对邻接矩阵进行奇异值分解获得初始匹配。三角剖分用于提纯初始的匹配，最后通过双图限制恢复丢失的匹配点对。在Oxford数据集测试的实验结果表明，所提出的方法在匹配性能和精度方面，优于随机抽样一致性算法（Random Sample Consensus，RANSAC）。与此同时，该算法的稳定性也相应提高。

图像匹配；奇异值分解；邻接矩阵；三角剖分；置信传播；随机抽样一致性

0　引言

图像匹配是图像处理与模式识别领域中一个非常关键的问题，广泛地应用于图像检索、目标识别与跟踪、自动导航、图像融合和拼接以及双目视觉等方面［1］。图像匹配的方法一般可以分为基于灰度和特征的方法［2-3］。其中基于特征的匹配方法包括两个阶段，第一个阶段是提取图像中显著的结构特征，例如区域特征（森林、河流、田地等）、线特征（区域的边界、海岸线、道路等）、点特征（区域的角点、线的交叉点以及高曲率的点）；……