基于显著区域检测的SURF特征匹配优化算法

针对传统SURF匹配算法在特征点选取阶段选取了大量不符合匹配预期的特征点，增加了后期匹配的运算复杂度，提出一种SURF算子和显著区域检测相结合的方法。为使检测出的极值点和预期匹配的目标更加接近，用SURF算子构建出尺度空间图像后对该空间作显著区域检测，再对特征点赋显著度权值并通过孤立点剔除和局部冗余筛选出目标点，筛选后的特征点比传统方法得到的特征点数量明显减少，在降低时间复杂度的同时匹配精度提高了18%。特征匹配时引入RANSAC算法剔除误匹配点对，对匹配结果作进一步修正。实验表明，与传统SURF算法比较，改进算法在实时性和匹配精度方面均更优。