周知政，柳翠寅,2

1(昆明理工大学 信息工程与自动化学院，昆明 650500)2(昆明理工大学 计算中心，昆明 650500)

1 引 言

图像配准作为计算机视觉领域中的一个重要方向，旨于对齐来自于不同视角,不同时间，不同几何变换模型两幅或者多幅图像.其在三维重建[1]，图像拼接[2]，室内定位与导航(SLAM)[3]，遥感图像[4]等方面都有着广泛的应用.目前图像配准技术主要分为两类：基于灰度统计信息分布配准方法[5]，以及基于图像特征的配准方法[6].

基于统计信息分布的配准，以整幅图像的灰度统计分布信息为依据，建立待配准图像与基准图像之间的相似性度量，使用相关寻优算法，求得在相似度量取最优值条件下的几何变换模型的参数.常用的度量标准有归一化相关系数(NCC)，互信息(MI)等.基于特征的配准方法利用相应的检测算子检测出显著特征的子区域，并采用相应的描述算子对该子区域进行描述，得到特征描述向量，然后对两幅待配准图像中的特征点进行匹配以及外点消除并计算相应的几何变换矩阵参数.相对于基于灰度信息配准方法，基于特征的图像配准方法具有计算量小，时效性快，鲁棒性强的优势，逐渐成为图像配准的主要方法.基于特征配准的关键在于特征点提取和特征描述.常见的特征点提取方法有Moravec,Harris[7],SIFT[8](Scale invariant feature transform),SURF[9](Speed up robust feature),FAST[10],ORB[11](Oriented FAST and rotated BRIEF),BRISK[12](Binary robust invariant scalable keypoints),以及KAZE[13]等.Moravec算子是最早提出的特征点检测算子，在特征点检测中对噪声异常敏感.Harris用来检测角点，不具备较好的适应性.SIFT 算法通过构建线性尺度……