易 飞, 许珊珊

(湘潭大学 信息工程学院, 湘潭 411105)

1 引言

图像配准是图像处理中的一种重要的处理技术,一般指将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程, 它已经被广泛地应用于计算机视觉、遥感图像处理等领域.其中,图像之间的特征匹配是图像配准的重要研究内容.

Lowe[1]在1999年提出的SIFT算法是图像匹配算法中鲁棒性比较好的一种算法, 也是目前比较成功的一种算法, 该算法具有良好的平移特性, 并且对光照、尺度变化保持不变性.但是SIFT算法对每个关键点形成一个 4×4×8=128维的描述子, 计算量大；同时, 对于边缘点较少的图像, 提取的关键点较少.因此, 国内外许多学者针对SIFT算法进行了深入的研究, 并提出了许多改进算法[2–15].例如, Bay 等[2]提出了 SURF算法,其通过计算积分图像和Fast-Hessian矩阵, 大大提高了关键点检测速度, 但它的旋转不变性比SIFT算法差.YanKe[3]在 2004年提出了PCA-SIFT算法, 其对SIFT特征描述符采用PCA降维, 大幅减少了运算时间, 但角点的检测精度有所降低, 在实际应用中效果不太理想.林晓帆[4]提出了基于SURF描述子的遥感图像配准, 在算法匹配效率上得到了极大的改进, 但该算法重点关注遥感图像的配准.芮挺[5]等提出了基于SIFT描述的Harris角点多源图像配准, 在匹配效率和精度两方面都有很好的改进.张少敏[6]提出了融合SIFT特征的熵图估计医学图像非刚性匹配, 实现了具有良好鲁棒性的医学图像配……