杨雷，唐瑞尹，王兴朝

(1.华北理工大学电气工程学院，唐山 063200；2.北华航天工业学院电子与控制工程学院，廊坊 065000)

0 引言

图像匹配是机器视觉中重要的研究领域之一，被应用于双目相机三维重构、人脸识别和地图导航中[1-3]。随着机器视觉的发展，对图像匹配的准确率要求也越来越高。目前成熟的图像特征点检测算法有SIFT算法[4]、SURF算法[5]和基于一种快速的特征点提取和描述ORB算法[6]。尺度不变特征变换(SIFT)是David G Lowe在1999年提出具有稳定性的一种算法，SIFT的特征检测对图像的平移、缩放、旋转、亮度变化具有良好的稳定性。即使是在少量的图像中也可以产生大量的特征点，并且SIFT算法描述符的相关性可以有效完成图像特征点的预匹配。RANSAC算法可以有效提高图像特征点匹配的准确率。图像的亮度分布以及噪声也是影响图像匹配的关键因素，为了提高图像匹配的准确性在图像匹配之前需要对图像进行预处理。

1 中值滤波与图像匹配算法1.1 中值滤波算法

中值滤波是采用模板核算子对模板区域的像素值按大小进行排序，然后选择中间点作为当前的像素点。一般情况下采用的是3×3的核算子，该核算子有9个元素，排序后为a1、a2、a3、a4、a5、a6、a7、a8、a9等，中值滤波表示当前值有9个元素，选择排序的中间a5作为当前点的灰度值。在中值滤波中是优于均值滤波的，是一种常用的滤波器，但是当核算子的模板增大后会造成图像边界的模糊。在中值滤波中对椒盐噪声是十分有效的，在消除傅里叶高频分量的同时也影响低频分量。……