张云生，邹峥嵘

(中南大学地球科学与信息物理学院，长沙 410083)

0 引言

遥感图像配准是实现图像融合、变化检测、图像纠正和图像镶嵌等应用的一个关键步骤。遥感图像自动配准方法大致可以分为2 类:①基于区域的整体配准方法。如基于相关系数、互信息或者相位相关的方法［1－2］，这类方法耗时较长;②基于特征的配准方法。近年来，随着计算机视觉领域中尺度不变特征变换(scale－invariant feature transform，SIFT)和加速鲁棒性特征(speeded up robust features，SURF)等具有尺度和旋转不变性算子的兴起，这2种算法在遥感图像配准中的应用引起了众多学者的关注，并取得了较好的效果［3－5］。但SIFT 和SURF算法要求建立高维描述符，需要大量的内存空间和较长的运行时间。Calonder 等［6］提出了一种基于二进制的鲁棒性独立基本特征(binary robust independent elementary features，BRIEF)描述符，大大缩短了建立描述符的时间，同时减少了对存储空间的需求，而且对光照变化具有较强的鲁棒性;但是其特征点检测不具备尺度和旋转不变性。在此基础上，Rublee 等［7］提出了定向二进制简单描述符(oriented brief，ORB)算法，在图像金字塔上利用加速分割测试特征(features from accelerated segment test，FAST)算子提取角点特征，使得特征点具有一定程度的尺度不变性;然后计算出角点的主方向，建立BRIEF描述符，使得描述符具有旋转不变性。ORB 算法提高了运算的适应性，在标准数据集中取得了可与SURF 算法和SIFT 算法相媲美的效果，但运算速度比SURF 算法快了1个数量级、比SIFT 算法快了2个数量级［8］。李慧等［9］提出利用FAST 算法检测角点、利用SURF 算法匹配获取控制点，但处理效率依然受到SURF 算法的影响。……