顾亚军，胡伏原

（苏州科技大学电子与信息工程学院，江苏苏州215009）

一种基于分数阶微分的FREAK改进算法

顾亚军，胡伏原*

（苏州科技大学电子与信息工程学院，江苏苏州215009）

随着移动设备（智能手机、移动平板）技术的快速发展，移动端的特征匹配研究受到了愈来愈多的关注。该文在FREAK（Fast Retina Keypoint）算法的框架下，引入分数阶微分，改进特征表示环节，提高特征表示的准确性；在特征匹配中考虑移动设备计算能力不足的问题，引入层次化匹配策略提高特征匹配正确率。实验结果表明：改进算法提取的特征点数目比原始算法提高了近30%，匹配正确率平均提高近40%。

分数阶微分；特征表示；图模型；特征匹配

随着移动设备（智能手机、移动平板）技术的快速发展，其应用范围日趋广泛，手机地图、全景拍摄、图片美化等已成为各移动终端的常用软件。在这些应用的处理过程中，图像特征匹配都是一个关键步骤[1]。

在移动端图像特征匹配算法中，点特征因提取容易，匹配灵活[2]，受到普遍关注。其基本思想是通过获取点特征周围的纹理描述，并引入距离约束计算各点相似度以实现同名点对的匹配[3-7]。长期以来，研究者希望设计具有高检测率和重复率的特征，并能够克服尺度、旋转、光照及噪声等外部情况影响。M.Calonder在2010年提出了BRIEF（Binary RobustIndependent Elementary Features）特征算法[8]，该方法通过随机提取图像块（image patch）中的像素对，进行τ测试组成二进制比特串。为达到理想的描述精度，该策略产生的点对数目往往很大且忽略考虑特征方向，因此，特征在描述图像时准确性不理想。……