1、“.....具有较好匹，导致匹配数量下降，但是匹配准确率依然维持在较高水平。基于局部致性的特征匹配算法论文原稿。但是在视角变化较大的情况下，本文算法的正确匹配数量下降，是因为本文匹配算法建立在平滑运动的假设上，当视角变化较大时，匹配数量下降。由匹配时间分析可知，本于方法的匹配和本文算法的匹配时间，后两者的匹配时间指的是得到粗匹配后再处理的时间，例如算法匹配时间为对粗匹配结果使用方法进步提纯所用的时间......”。

2、“.....在光照条件变化下，本文算法仍然保持较多的匹配数量，具体为此，本文提出了改进的方法进行特征提取，采用矩阵计算关键点，并计算关键点的方向，使其具有尺度和旋转不变性，并采用描述子对关键点邻域内随机生成的点对进行灰度值的比较，通过距离进行暴力匹配得到粗匹配结果，最后等人提出了基于双向交叉匹配和距离阈值的匹配方法，提高了匹配的准确率，然而正确匹配数量却随之减少了等人提出了种基于近邻的用于特征的匹配算法......”。

3、“.....从而实现误匹配的筛选，具有良好的去误匹配的能高了匹配准取率，但是为了保证效果，需要提取大量的特征点。基于局部致性的特征匹配算法论文原稿。实验分析为验证本文算法的图像匹配效果，本实验主要采用视觉库在牛津大学图像匹配数据集中进行。实验在，为，内存。为了验证匹配算法在不待提高。随机采样致性方法是常用的特征匹配算法，但是算法复杂度较高，无法满足实时性要求较高的系统。等人提出了基于双向交叉匹配和距离阈值的匹配方法......”。

4、“.....然而正确匹配数量却随之减少了等人提出了种基于近计算关键点，并计算关键点的方向，使其具有尺度和旋转不变性，并采用描述子对关键点邻域内随机生成的点对进行灰度值的比较，通过距离进行暴力匹配得到粗匹配结果，最后采用基于局部致性的方法进行误匹配的去除，从而提高特征匹配的准确率。关基于局部致性的特征匹配算法论文原稿力提出种基于网格运动统计的特征匹配方法，该方法在运动平滑的假设上，通过计数邻域的匹配点个数判断匹配是否正确......”。

5、“.....但是为了保证效果，需要提取大量的特征点。基于局部致性的特征匹配算法论文原稿。找图片对应的运动关系，目前常用的匹配方法是基于特征点的匹配，然而该方法由于特征点的固有问题，容易受到光照尺度视角等影响，匹配准确率有待提高。随机采样致性方法是常用的特征匹配算法，但是算法复杂度较高，无法满足实时性要求较高的系统。假设条件被破坏，导致匹配数量下降，但是匹配准确率依然维持在较高水平。匹配结果的具体数据如表所示......”。

6、“.....为不失般性，每组实验数据均为次结果的平均值，其中暴力匹配算法的匹配时间为特征点匹配所用时间，而为了直接对比基同环境下的效果，分别在模糊程度不同，光照不同，以及视角不同的条件下，对暴力匹配基于的方法的匹配和本文算法进行对比实验。关键词特征匹配局部致性运动统计中图分类号文献标识码文章编号引言图像匹配是计算机视觉领域个基本问题，目的是为了寻邻的用于特征的匹配算法，根据特征点周围的附属点判断匹配是否准确......”。

7、“.....具有良好的去误匹配的能力提出种基于网格运动统计的特征匹配方法，该方法在运动平滑的假设上，通过计数邻域的匹配点个数判断匹配是否正确，提键词特征匹配局部致性运动统计中图分类号文献标识码文章编号引言图像匹配是计算机视觉领域个基本问题，目的是为了寻找图片对应的运动关系，目前常用的匹配方法是基于特征点的匹配，然而该方法由于特征点的固有问题，容易受到光照尺度视角等影响，匹配准确率有于方法的匹配和本文算法的匹配时间......”。

8、“.....例如算法匹配时间为对粗匹配结果使用方法进步提纯所用的时间。为此，本文提出了改进的方法进行特征提取，采用矩阵基于局部致性的特征匹配算法论文原稿匹配数量，具体如表所示，并且仍然保持较高的匹配准确率，而基于的方法，则由于其算法的严格性删除了大量的正确匹配。而在视角变化下，如图所示，本文算法所得到的匹配数量少于基于的方法，原因是因为本文算法在视角变化较大时，运动平滑性的配效果，在保证定准确率的同时......”。

9、“.....有利于位姿估计和维重建，并且相对于方法，本文算法的提纯时间减少了个数量级，大大减小了去除误匹配的时间，但是在视角变化变大时，匹配数量有所下降，仍需进行改进。参考文献文算法在匹配对的提纯上比方法快个数量级，大幅减少了特征匹配的时间。为了进步验证本文算法在大数量特征点匹配上的优势，实验对不同图像均提取个特征点，再对其分别用和本文算法进行提纯，匹配结果如表所示。从表分析可知，在环境变如表所示......”。