2。3。2ASIFT

SIFT利用对列入梯度的的采样点的梯度大小进行加权处理从而达到应对小幅的仿射变换，然对无法做到安全仿射不变性。2009年J。M。 Moreal提出了ASIFT即抗仿射不变尺度空间特征检测模型。ASIFT提供了一种框架，通过模拟经度与纬度实现完全的仿射不变形成模拟图象，然后使用SIFT算子对模拟图象提取图像的特征并实现匹配。

2。4匹配策略

通过对物体图像和场景图像局部特征建模，会得到两组特征描述子，通过匹配策略得到场景与物体的相关度。一般采用距离函数（如欧氏距离）在高维矢量之间进行相似度检索。设目标模板图像M的特征合集为：,场景搜索图像N的特征合集为：，其中，,为特征向量的个数, 特征向量的维度为，则这两个特征的向量的距离可以表示为 见式7:来,自,优.尔:论;文*网www.chuibin.com +QQ752018766-

  (7)

2。4。1Flann Based Matcher

FLANN（Fast Approximate Nearest Neighbor Search Library）[14]代表快速近似最近邻搜索库，它包含了一系列优化算法的集合，在Marius Muja 和 David G。 Lowe发表的论文提出了随机k-d森林和新算法，优先搜索k-means树，对大量数据集和高维度特征的快速最近邻搜索进行了优化。相比Brute Force matcher（暴力搜索匹配方式）处理更大型的数据集并且更快。这些匹配结果还需要进一步筛选，筛选的方法可以是根据匹配距离的最大和最小值按一定比例设置一个动态的阈值，小于阈值的作为最终最佳匹配特征点。此外还可以通过进行反向匹配[15]