广州南方学院电气与计算机工程学院 彭 石 张 晴 曾海杰 张焱玮

现有的图像匹配算法存在运行慢、时间复杂度高等缺点，本文在研究了图像特征和匹配算法的基础上，提出了一种改进的快速匹配算法。该算法能有效地解决图像尺寸过大带来的匹配慢的问题，首先对于要匹配的的图像，经过线性缩小后变为易于处理的灰度图，再使用SURF算法计算初始特征点集，经过逆变换后映射到原图像求得过滤后的点集，并且生成SURF特征描述子，针对SURF匹配慢的缺陷，本文采用KD树来实现点集的匹配和查询，测试结果表明，本文算法在保证了匹配精度的条件下，有效的降低了匹配的时间复杂度。

图像匹配算法在遥感、航空航天、生物信息识别等方面应用广泛，特别是随着智能设备的普及，指纹识别、人脸识别等图像处理技术越来越受到重视和关注。快速准确地处理与识别图像，满足用户个性化多样化的需求，是国内外理论研究的重要参考原则。

图像匹配可以采用不同的方法进行，有采用全局统计特性的匹配，还有基于局部特征的方法。前者一般采用统计的手段，后者先计算特征点，利用特征点的特征描述子来进行图像的匹配。由于特征点数一般比较少，所以后者的匹配速度一般比前者快，精度也高很多。为了有效进行图像匹配，Lowe DG提出了一种SIFT算法，该算法匹配和识别的效率较高，但实时性较差，Bay H,Tuyte T,Gool L Van针对SIFT的不足提出了改进的算法SURF，该算法具有匹配的速度比较快、在图像尺度和仿射变换下保持不变性等优点；……