吴金津，王鹏程，龙永新，廖飞

（湖南工业大学计算机与通信学院，湖南株洲412007）

基于FAST角点检测的图像配准算法

吴金津，王鹏程，龙永新，廖飞

（湖南工业大学计算机与通信学院，湖南株洲412007）

提出了一种具有类SIFT描述特征的FAST角点检测的图像配准算法。先利用FAST对图像进行特征点提取；然后，采用圆环结构算子对提取出的特征点进行类SIFT的特征描述；最后，通过K-D算法将提取出来的特征点进行粗匹配，并使用视差梯度进行预筛选，使用RANSAC算法提纯，从而实现特征点匹配。试验结果表明，与SIFT算法和改进的SIFT算法相比，本算法减少了误匹配的数目，提高了匹配的精确性和稳定性。

FAST角点；K-D算法；RANSAC算法

0 引言

图像拼接主要包括图像配准与融合，其中最关键的是图像配准。目前图像配准的方法有很多，常见的是基于特征提取的图像配准方法[1]。角点是图像中一个重要的局部特征。在图像的各种特征中，角点具有旋转不变性和不随光照条件变化而变化的特点，还能减少参与计算的数据量的同时，又不损失图像的重要灰度信息。因此， 角点特征能用于图像匹配、目标跟踪以及运动估计、目标描述和识别等领域。

E. Rosten和T. Drummond提出了一种既简单又快速的FAST角点探测算法[2]，对待匹配的2幅图像进行FAST角点的提取。该算法不仅能降低特征点检测的时间，还可迅速地排除大量的非特征点。2004年David G. Lowe提出的尺度不变特征变换（scale invari-ant feature transform，SIFT）算法[3]具有尺度旋转、亮度变化、缩放的不变性，且SIFT角点能适应图像的尺度变化，但其不足在于对特征点的要求过于苛刻，在信息较少的图像中，特征点的数量较少，参数拟合的误差非常大。……