基于改进的SURF的图像匹配查重算法.doc

基于改进的SURF的图像匹配查重算法


该论文来源于网络，本站转载的论文均是优质论文，供学习和研究使用，文中立场与本网站无关，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息，如果需要分享，请保留本段说明。
　　摘 要：随着新型冠状病毒的蔓延，各大高校都普遍尝试和采用了线上教学的方式进行授课和评价。目前各高校普遍实行的过程化考核作为课程分数的评价标准之一。传统的查重工具着重于文字的重复率，忽视了图片这一关键的信息载体，因此急需以图像识别匹配技术作为基础的图像查重算法。文章将SURF算法应用于学生作业及实验报告等文本评价载体中的图片相似度匹配上，结合平时的实践经验，用RANSAC算法去掉错误的匹配结果，匹配算法对于SURF特征点进行优化，从而实现了对SIFT算法匹配速度以及精确度的改善，最终实现了完善的实验报告图像匹配算法，并且对实验中出现的问题进行讨论和总结，对系统实施的改进和未来的拓展性也进行了充分的论述。
　　关键词：SURF算法;图像查重;图片匹配度
　　中图分类号： 文献标志码：A 文章编号：2095-2945（2020）32-0025-04
　　Abstract： With the popularity of novel coronavirus， colleges and universities have generally tried and adopted online teaching and evaluation. At present， the process assessment， which is widely implemented in colleges and universities， is one of the evaluation criteria of curriculum scores. The traditional duplicate checking tools focus on the repetition rate of the text， ignoring the picture as a key information carrier， so there is an urgent need for an image repetition checking algorithm based on image recognition and matching technology. In this paper， the SURF algorithm is applied to the image similarity matching in the text evaluation carriers such as students' homework and experimental reports， combined with the usual practical experience， the wrong matching results are removed by the RANSAC algorithm， and the matching algorithm is optimized for the SURF feature points， thus the matching speed and accuracy of the SIFT algorithm are improved， and finally a perfect experimental report image matching algorithm is realized. And the problems in the experiment are discussed and summarized， and the improvement of the implementation of the system and the expansion in the future are also fully discussed.
　　Keywords： SURF algorithm; image duplicate checking; picture matching degree
　　前言
　　隨着线上教学的发展和各大远程教学平台的建立，在线教育的模式和形式已经非常完善，目前可以达到根据人们的需要选择直播、录播、不同时间、不同地点、不同设备进行教学的可能。随着2020年初新型冠状肺炎病毒疫情的蔓延，各大高校也将传统的线下课程逐步过渡到线