李 宏，王 鹏，毕 波，唐锦萍

(1.东北石油大学 a.电气信息工程学院;b.数学与统计学院，黑龙江 大庆 163318；2.海南医学院 公共卫生学院，海口 571101；3.黑龙江大学 数据科学与技术学院，哈尔滨 150080)

0 引 言

图像配准是在不同的时间、不同的成像设备或不同的条件(天气、光亮、相机位置和视角等)下对采集的两个或多个图像进行匹配的过程[1]，它是许多遥感任务(例如变化检测、图像拼接和环境监控)必不可少的部分。不同于基于频域的方法，空间域中的基于特征的方法[2]主要依赖于提取显著特征。显著特征是图像域的子集，通常是独立的点、连续曲线或连续区域[3-4]。

在基于特征的方法中，最经典的算法是SIFT(Scale Invariant Feature Transform)，而基于SIFT的图像配准方法主要使用高斯滤波构建尺度空间。因为高斯函数是各向同性，因此待配准图像的边缘和细节同噪声一样变得模糊，关键点很难实现亚像素级别的准确定位，所以特征描述子的区别度低。文献[5]提出了KAZE算法，首次使用各向异性技术生成非线性尺度空间，检测和描述性能优于传统的SIFT，但是使用Hessian算子需要计算每层尺度空间的二阶梯度，对噪声特别敏感。文献[6]提出了加速KAZE(Accelerated-KAZE,AKAZE)算法，采用快速显式扩散函数和二进制特征描述子，在保留KAZE优良性能的同时加快了KAZE算法的计算时间。文献[7]提出了基于多特征点的图像配准算法，联合各向异性尺度空间和Harris角点响应的策略，提高了鲁棒性和亚像素级别的准确定位。文献[8]提出了一种结合SURF(Speeded-Up Robust Features)和AKAZE的改进算法，使用了Hessian算子和二进制特征描述子进行特征描述。……