论文部分内容阅读
针对显微镜观测视野狭小而难以采集到全局图像的问题,提出了一种基于加速鲁棒特征(SURF)的木材显微图像自动配准方法。首先使用SURF检测并描述兴趣点,通过最近邻匹配得到匹配点对后,用双向匹配和RANSAC算法剔除错误匹配。然后利用最小二乘法和匹配结果进行模型参数估计,最后通过插值获得配准图像。对阔叶材显微图像配准实验结果表明,该方法具有较好的鲁棒性,无论图像是否有旋转,都可以实现自动的配准。比起尺度不变特征转换(SIFT),由于用SURF得到的兴趣点数量更少,运算速度更快,总的匹配速度提升了5倍左右