基于FREAK圖像配準算法

　　快速視網膜特征（ FREAK）描述子通過計算模式方向實現了旋轉不變性，但對于旋轉尺度變化較大的情況匹配性能并不理想，誤匹配率較高，為此提出了一種改進的基于FREAK描述子的精確圖像配準算法。首先，對原有FREAK算法添加長距離點對，設定距離閾值，只利用關鍵點采樣模式中距離較遠的點來生成角度信息。其次，對Hamming距離進行加權。對每一個關鍵點，在為了生成描述子選擇點對時，對訓練數據描述子的每一列計算均值，越接近0.5的列權值越大，改進了原來Hamming距離計算粗略的狀態(tài)，使距離計算更精確。最后，使用最近鄰匹配結合最近鄰和次近鄰的比值以及隨機抽樣一致（ RANSAC）方法進行快速匹配和優(yōu)化。實驗結果表明，改進算法更適用于旋轉尺度變化較大的環(huán)境及匹配性能要求較高的場合。

　　目標匹配、圖像拼接、3D重建、目標識別等計算機視覺應用都依賴于圖像配準。圖像配準的通用方法是提取圖像中的關鍵點進行比對處理。尋找有效的關鍵點描述子，使其對尺變變換、旋轉變換、仿射變換和噪音等都具有較高的魯棒性，成為近十幾年的研究熱點。隨著大數據的發(fā)展和視覺算法在智能手機及嵌入式設備上的應用，使描述子同時具備簡潔的描述方式、良好的表征能力和快速的比對計算過程，成為新的研究趨勢。