Resumen

En cuanto a la insatisfactoria precisión causada por SIFT (transformada de características invariantes de escala) en la coincidencia de imágenes complicadas, en este artículo se propone un novedoso método de coincidencia basado en estrategias de múltiples capas. En primer lugar, los conjuntos de datos gruesos se filtran mediante la distancia euclidiana. A continuación, se adopta la restricción de coherencia de características geométricas para refinar los puntos de características correspondientes, descartando los puntos con valores de pendiente no coordinados. En tercer lugar, se propone un método de restricción de agrupación por escala y orientación para elegir con precisión los puntos coincidentes. Las diferencias de escala y orientación se emplean como elementos de agrupación de k-means en el método. De este modo, se obtienen dos conjuntos de puntos característicos y el conjunto de datos refinados. Por último, se utiliza la regla 3 * delta del conjunto de datos refinados para buscar todos los puntos restantes. Nuestras estrategias de capas múltiples hacen pleno uso de las reglas de restricción de características para mejorar la precisión de coincidencia del algoritmo SIFT. El método de correspondencia propuesto se compara con el descriptor SIFT tradicional en varias pruebas. Los resultados experimentales muestran que el método propuesto supera al algoritmo SIFT tradicional en lo que respecta a la relación de corrección y la repetibilidad.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:escala, restricción de coherencia de rasgos geométricos, conjuntos de datos gruesos, correspondencia de imágenes complicadas, puntos de rasgo correspondientes, reglas de restricción de rasgos, transformación invariante de rasgos, método de correspondencia novedoso, conjunto de datos refinados, algoritmo de criba tradicional
• Keywords:scale, geometric feature consistency constraint, coarse data sets, complicated image matching, corresponding feature points, feature constraint rules, invariant feature transform, novel matching method, refined data set, traditional sift algorithm