章 盛,李培华,钱名思,刘玉莉

(1.中航华东光电有限公司,安徽 芜湖 241002；2.安徽省现代显示技术重点实验室,安徽 芜湖 241002；3.国家特种显示工程技术研究中心,安徽 芜湖 241002；4.特种显示国家工程实验室,安徽 芜湖 241002)

1 引 言

图像配准普遍应用在遥感图像配准[1]、医学图像配准[2]和全景显示[3]等领域,其中2006年Herbert Bay等人提出的加速稳健特征(Speeded Up Robust Features,SURF)算法[4]是经典的图像配准算法,其以尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法[5-6]为基础对图像特征的提取和描述进行了优化,结果是在保持了平移、旋转与尺度等变化不变性的前提下提升了执行效率。近年来,科研者根据SURF算法存在实时性问题,提出了将角点提取算法融入传统SURF算法的想法,互取优势,例如葛盼盼等人于2014年提出的Harris-SURF算法[7],彭勃宇等人于2015年提出的SUSAN-SURF算法[8],张敬丽等人于2016年提出的MIC-SURF算法[9],产叶林等人于2019年提出的FAST-SURF算法[10],四种改进算法最终得到的结论是在图像配准实时性方面得到了改善；同时由于SURF算法具备很好的稳健性,许金鑫等人于2017年使用形态学边缘检测算法对待配准图像进行预处理,然后利用SURF算法进行异源图像的配准,并将优化SURF算法应用于电气设备图像的配准,为异源图像的配准提供了一种途径[11]；2018年,王民等人利用压缩感知原理[12]对SURF算法生成的描述子向量进行降维处理,提升了实时性并应用于手语关键帧的配准[13]。

针对实时性要求比较高的应用场景,传统SURF算法表现出其在实时性方面的不足,本文首先针对图像角点特征提取耗……