陆晓燕

1.引言

图像配准指的是对描述同一对象或场景的两幅或多幅图像进行匹配、变换的过程。通过对各种图像数据的综合提取有用信息的图像分析技术而言，图像配准是关键的步骤[1]。图像配准技术在卫星遥感图像处理、医学诊断辅助、计算机视觉等领域都有着广泛的应用。

图像配准算法中基于特征点图像匹配算法一直处于重要的地位，该类算法针对产生尺度，亮度，视角，光照变化的图片匹配效果优于其他匹配算法。SIFT（Scale Invariant Feature Transfom）算法[2]和基于SIFT改进的算法如SURF（speeded up robust features）、GLOH（gradient location-orientation histogram）和PCA-SIFT在基于特征点的图像匹配算法中被广泛使用。但是这类算法主要是依赖高斯模糊构建线性的尺度空间，容易在过滤噪声的同时也模糊了图像从而使得图像细节特征的局部准确性和区分性降低。为解决这一问题，Alcantarilla 提出了一种新的特征检测算法 KAZE算法[3]，该算法利用一个非线性扩散滤波器来构造尺度空间，由于各项异性扩散滤波性质能够保留了图像边缘和细节信息。虽然KAZE算法能够保留图像细节信息避免边缘模糊，但是非线性尺度空间构建耗时太长特征检测的速度接近SIFT，所以2013年9月 Pablo F.发布了加速版KAZE算法，称为AKAZE[4]。

AKAZE算法采用的差分二进制描述符，虽然大幅度缩短了特征描述的时间，但是该描述符的稳定性不如SIFT描述符，同时该算法的特征描述的鲁棒性、稳健性也不如SIFT描述。在对于影像场合质量及处理精度要求较高的时候AKAZE算法匹配效果较差，为了提高AKAZE算法的性能提出了用采用基于压缩感知的SIFT描述符替代AKAZE算法原有的M-LDB描述符策略，改进后AKAZE算法在配准速度和精度优于其他配准算法。……