王森

摘要：传统的SIFT算法在配准高分二号全色与多光谱影像时配准效率较低，本文使用一种新的配准策略：首先对图像进行区域划分并计算每个区域的信息熵，只针对信息熵较大的部分采用改进的Harris算法提取特征点，然后使用SIFT算法描述特征点并进行粗匹配，再用PROSAC进行特征点的提纯，实现精匹配，最后完成图像配准。

关键词：高分二号;图像配准;信息熵;SIFT;PROSAC

中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2020）01-0104-02

0 引言

在遥感图像处理中，图像配准是很重要的处理环节。配准精度的高低直接会影响到后续的图像处理质量，因此对遥感图像配准进行深入的研究具有很重要的现实意义。近年来Harris算子和SIFT算子在图像配准领域应用较为广泛，这两种方法在处理普通图像时能够取得较好的配准效果，但是对于遥感图像配准而言往往配准精度较低。因此本文基于这两种算法对高分二号卫星图像的配准方法进行研究，从而充分利用这两种算法的优点。

Harris[1]角点检测算法是通过微分算子计算像素点在任意方向上的灰度变化，并根据角点响应函数的值来判断目标像素点是否为角点。该算法运算量较小，且提取的角点分布较为均匀。尺度不变特征变换（SIFT）[2]算法是图像配准领域较为经典的一种算法，SIFT特征对图像的尺度、旋转、平移等具有不变性，该算法的主要步骤包括：尺度空间构造、极值点检测、特征点主方向分配、特征描述子生成。SIFT算法在普通图像中的配准效果较好，但是对于大幅面的遥感图像往往具有配准速度慢、精度低等特点。……