程俊廷， 张俊峰， 胡 瑾

(1.黑龙江科技大学 机械工程学院， 哈尔滨 150022； 2.合肥财经职业技术学院 人工智能学院， 合肥 230000)

0 引 言

在建筑物三维重建的过程中，对采集的图像进行特征匹配，是至关重要的一个环节[1]。图像特征匹配既可以利用相对较少的图像比如两幅，也可以用更多的图像，比如三幅乃至更多，通过特定算法，对图像内容、关系、结构等进行相似性和一致性分析，从而识别出同名点的过程。特征点的匹配分为三个步骤：第一步为特征提取，第二步为特征描述，最后一步为特征匹配。特征提取就是从给定的图像中提取出关键点(或角点、特征点)等[2]。特征描述就是利用数学向量对提取到的关键点进行一系列的描述，其目的是为了保证向量和特征点之间一一对应的关系。特征匹配实际上就是计算特征向量之间二者的距离，最常用的是计算欧式距离。在进行图像特征匹配时，有Susan算法[3]、Moravec算法[4]、Forstner算法[5]等，但使用最广泛的算法是David.Lowe教授提出的尺度不变特征SIFT算法[6-7]，此算法具有相对较强的鲁棒性，当图像进行尺度大小缩放、多角度旋转、亮度变化时能够保持不变性[8]。SIFT算法在具备以上诸多优点之外，也存在容易对出现多个相似特征点共存时，出现误匹配的状况和计算复杂繁琐的缺点[9]。为了改善这些缺点，提出一种改进的SIFT算法，一方面通过降低描述子向量维度，降低计算量和复杂度；另一方面通过考虑匹配点的最近邻欧式距离，剔除误匹配点，提高特征点匹配准确度。……