高 华，曹 锋，陈明星

(重庆交通大学，重庆 400074)

图像配准技术是图像处理的重要分支，其目的是对不同时间、不同传感器或者不同视角的2张或2张以上的图像进行匹配。该技术广泛应用于机器视觉、遥感图像、医学影像、三维重构等。图像的配准一般采用基于区域或基于特征［1－3］。基于区域的配准方法要先比较区域内的各个像素点，然后建立图像之间的变换模型参数，因此其计算量大，配准时间长。如果图像存在缩放旋转或扭曲，就会影响图像配准的精确性，进而影响到后续工作的处理。基于特征的图像配准方法因其配准速度快、精度高、鲁棒性好而成为研究热点。

基于特征的配准算法主要有角点匹配算法、SIFT特征［4］提取算法、SURF特征提取算法等。角点提取虽具有旋转不变性，但是对于尺度变化较大的图像无法保持特征的不变性;SIFT特征是图像的局部特征，不仅对旋转、尺度缩放、亮度变化可以保持不变性，而且对视角变化、仿射变换、噪声也具有一定程度的稳定性［5］。

但是，传统的SIFT算法仅考虑了特征点的描述子信息，完全忽略了特征点描述符之间的几何信息。本文对参考图像和映射图像中离散的关键点应用BP算法，将关键点的相似度融入到消息传递过程中，以迭代算法计算对应关键点，不但利用了关键点的局部信息，而且保持了映射图像中关键点间的空间约束。

1 SIFT特征检测与匹配

1.1 特征检测

SIFT算法特征点的检测基于尺度空间理论。二维图像的尺度空间定义为