潘子阳, 张海燕

(合肥工业大学 计算机与信息学院，安徽 合肥 230009)

0 引 言

图像配准是数字图像处理中的重要技术之一，广泛应用于计算机视觉、红外线图像分析、模式识别、人脸建模和车载360°全景等领域。图像配准按照配准方法，一般分为3种：基于区域的图像配准、基于变换域的图像配准和基于特征的图像配准[1]。其中基于特征的图像配准算法在图像处理中是一种比较成熟并广泛使用的算法，其最重要的部分在于特征点的检测与提取，特征点检测的情况直接影响配准的结果[2]。文献[3]在原始迭代最近点(iterative closest point,ICP)算法中引入了阈值法对数据进行去噪，提升了配准的准确度和查找的效率。文献[4]通过改变初始匹配点，并对利用最大相似原则对初始匹配进行过滤，最终用ICP算法得到了精确匹结果，使匹配精度有了一定的提升。

本文针对传统特征点配准算法中，特征点检测存在误差和配准速度较慢效率较低的问题，提出了一种快速特征点检测的图像配准算法。对Harris算法改进，利用4个方向梯度关系滤除非特征点，使用菱形模版进行精确检测；根据特征点的坐标信息建立特征点集合，利用ICP算法对检测的特征点进行配准；进行了多次实验，并给出了实验的结果。

1 改进特征点检测算法

一般认为，特征点指在图像中像素点的灰度值与其周围像素点灰度值相比变化明显的点，或可认为是多个图像边缘的交点[5]。目前，特征点检测算法很多，其中，Harris算法[6]由于简单稳定且具有良好的抗光照性、旋转不变性等特性被广泛改进和使用。……