黄海波 李晓玲 熊文怡

摘 要：SIFT图像配准是图像处理领域的一项重要技术，在遥感测绘、目标识别、图像及视频检索、导航制导和场景分类等多个领域应用广泛。在对现有SIFT图像配准文献研究的基础上，介绍了经典SIFT算法，将各种SIFT改进方法划分为基于特征点提取的改进和基于图像匹配的改进两类，对各类型的改进方法进行了系统阐述。介绍了点特征图像配准算法性能评价指标，展望了该算法的研究前景。

关键词：SIFT;图像配准;点特征;图像处理

DOI：10. 11907/rjdk. 182042

中圖分类号：TP301文献标识码：A文章编号：1672-7800（2019）001-0001-04

Abstract： Image registration based on SIFT is an important technology in image processing. This technology has been widely used in many fields such as remote sensing mapping， object identification， image and video retrieval， navigation guidance and scene classification. With the study of existing documents of SIFT image registration， the classical SIFT algorithm is introduced in this paper. And the improved methods of SIFT are divided into two categories： the improvement of feature point extraction and the improvement of image registration. And then， the systematical introduction of them are conducted. At the same time， several performance evaluation standards of feature points image registration algorithms are introduced， and the research prospects of this algorithm are forecasted.

Key Words： SIFT; image registration; point feature; image processing

0 引言

图像配准是对不同时间、不同角度或不同传感器获取的同一场景两幅或多幅图像进行空间对准的过程[1]。图像配准技术广泛应用于遥感、医学图像分析、机器视觉和场景分类等多个领域。现有配准方法根据其在配准过程中采用的图像信息差异，大致分为3类：基于特征的图像配准、基于灰度信息的图像配准和基于变换域的图像配准。其中基于特征的图像配准方法因其计算量较低，对位置变化较敏感，同时降低了噪声、遮挡、光照和图像变形的影响，成为当前主流的配准方法[2]。

随着基于特征的图像配准方法的快速发展，Lowe[3]在1999年的计算机视觉国际会议上首次提出了尺度不变特征变换（Scale Invariant Features Transform，SIFT）算法，并在2004年对该方法进一步完善。SIFT算法由于在图像平移、旋转、缩放、视角变换和光照变化等因素下具有很好的效果[4]，因而受到广泛重视。基于此，本文对基于SIFT算法的图像配准方法进行了综述，总结其特点、存在问题，展望了发展趋势，同时介绍了常用的点特征图像配准效果评价指标。……