针对传统的反向匹配方法中存在的强弱峰权重差异和噪声峰的干扰问题, 提出了改进式反向匹配方法, 通过引入权重衰减函数来优化强峰和弱峰之间的权重占比关系, 使得谱图中各特征峰的权重分布在合理的范围内, 避免了强峰权重掩盖弱峰的情况; 通过概率分布函数动态滤噪的方法, 实现了噪声峰的自适应过滤, 从而提升了反向匹配方法的识别性能。 实验以大量的常规拉曼和表面增强拉曼的谱图为验证样本, 基于大型常规拉曼与表面增强拉曼数据库进行拉曼谱图识别验证。 实验表明该方法在大量数据测试下综合准确率达到91.52%, 相比于命中质量指数方法(51.08%)和传统的反向匹配方法(16.57%)有大幅度的提升。

为了提升RANSAC算法的匹配正确率, 提出了一种基于二次匹配策略的RANSAC算法。该方法首先将所有样本点中误差过大的特征点进行剔除, 以减小迭代次数, 提高算法匹配速度; 再通过反向匹配的方式进行二次匹配, 保证了算法匹配的准确率和可靠性。实验结果证明, 所提算法匹配正确率和速度都有所提升, 并且在光照变化、模糊环境的干扰下, 仍具有较强的鲁棒性和可靠性。