王亚丽

(喀什大学 计算机科学与技术学院，新疆 喀什 844000)

0 引言

图像配准是将不同时间、不同视角或者是不同传感器条件下拍摄的同一场景的两幅或者多幅图像实现几何校准的过程[1−2].它是变化检测[3]、图像融合[4]和环境监测等领域中的基础处理.关于配准算法的研究大致可以分为两类，一类是基于灰度的方法，另一类是基于特征的方法[5].基于灰度的方法是通过全局灰度信息来进行相似性度量实现图像的配准，对图像尺度、角度和光照变化较敏感；基于特征的方法是通过提取图像中的重要稳定性特征并构造局部描述符来获得图像配准，该方法对灰度信息具有较强的鲁棒性，关键步骤是实现图像局部特征的识别、提取、描述和匹配.基于点特征的匹配主要有Harris算子[6]、SUSAN算子[7]、Harris-Affine算子[8]、ORB算子[9]等.Lowe提出尺度不变特征变换（Scale-Invariant Feature Transform，SIFT）算法[10]，该算法对图像的尺度缩放、角度旋转具有较好的不变性.Bay基于SIFT算法的思想提出SURF（Speeded Up Robust Features,SURF）算法[11]，SURF通过构造图像Hessian特征矩阵和Haar小波来提高特征提取速度，但是在尺度和旋转不变性上略不足于SIFT算法.近年来，基于特征的图像匹配方向上也有很多算法，例如，黄源等[12]给出相邻图像层次间不同的灰度量级设计的基于差分制约耦合三角网约束的图像匹配算法.岳娟等[13]提出具有近似仿射尺度不变特征的快速图像匹配算法等.这些算法多用于自然图像的配准中.

在遥感图像配准方面，Li等[14]在尺度不变特征变换（SIFT）算法的基础上联合尺度……