论文部分内容阅读
针对用KD-tree实现高维空间点匹配中存在的错误匹配问题进行讨论,分析其存在的原因;接着,使用PCA,根据各维数之间的协方差,求出它们的主成分奉献率,再按主成分奉献率进行维数优先级排序,并在该基础上增加了KD-tree各节点的权重;最后,将改进前后的KD-tree应用于Sift特征点匹配。实验证明,改进后的KD-tree能在保持实时性的前提下,大大提高匹配的准确率。