计算机应用研究

作者：王伟杰,魏若岩,朱晓庆,

单位：1.河北经贸大学管理科学与信息工程学院,石家庄050061；2.北京工业大学信息学部,北京100124；

关键词：图像匹配,多模型估计,抽样一致性,聚集,

基金：国家自然科学基金资助项目(62103009)；河北省重点研发计划资助项目(17216108)；河北省自然科学基金资助项目(F2018207038)；河北省高等教育教学改革研究与实践项目(2022GJJG178)；河北省教育厅科研项目(QN2020186)；河北经贸大学重点研究项目(ZD20230001)；；

宽基线或大视角图像间多匹配模型的估计是图像处理中一项非常有挑战性的任务。现有算法虽然能较好估计图像间的多匹配模型及其内点集，但是其结果容易出现匹配对错误分配的问题。为了精确估计图像间的多匹配模型从而分配匹配对，提出一种基于同模型匹配点聚集的图像多匹配模型估计算法（AMPSM）。首先，为提升正确匹配对占比，根据近邻区域内正确匹配对的分布特点对错误匹配对进行过滤；然后，根据匹配点所属不同匹配模型程度查找疑似的多模型的交集点，即干扰点，同时，为了降低干扰点对匹配对分类精度的影响，将其去除；之后，为了提高同模型匹配点的聚集程度，根据抽样过程中同模型内点与其点集重心的距离动态移动位置；最后，通过基于高斯核的Mean Shift算法对聚集后的匹配点分类，进而得到多匹配模型。将所提算法分别与基于经典框架的算法RANSAC、PROSAC、MAGSAC++、GMS、AdaLAM、PEARL、MTC、Sequential RANSAC和基于深度学习的算法SuperGlue、OANet、CLNet、CONSAC等进行比较，结果表明该方法内点率可提高30%以上，多模型估计的错分率可降低8.39%以上，即所提方法在错误匹配对过滤和多模型估计等方面具有显著优势。

来源：2024年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第10期