基于特征點的圖像配準算法研究.pdf

1、圖像配準指的是對描述同一對象或場景的兩幅或多幅圖像進行匹配、變換的過程。這些圖像可能是在不同時間、不同視角拍攝的，也可能是由不同傳感器所采集的。對于圖像融合、變化檢測等最終目的是通過各種圖像數據的綜合提取有用信息的圖像分析技術而言，圖像配準是關鍵的步驟。圖像配準技術在衛(wèi)星遙感圖像處理、醫(yī)學診斷輔助、計算機視覺等領域都有著廣泛的應用。
　　 基于特征點的圖像配準算法通過提取具有某些特性的特征點來描述和配準圖像，具有計算復雜度低、穩(wěn)

2、定性強、配準性能好等特點，實際應用比較廣泛。其中，SIFT(ScaleInvariantFeatureTransform)算法是一種性能優(yōu)秀的基于特征點的圖像配準算法。該算法通過提取具有尺度不變性的特征點，能實現對有尺度變化、平移和旋轉等變化的圖像的配準。SURF(Speeded-upRobustFeatures)算法具有更高的效率，魯棒性方面也有一定的提高。ASIFT(Affine-SIFT)算法是SIFT的改進算法的一種，其在SIF

3、T算法基礎上進一步對仿射變換的參數進行模擬，從而實現了全仿射不變性，大大拓展了圖像配準的適用范圍。
　　 本文在在深入研究基于特征點的配準算法基礎上，融合SURF和ASIFT算法優(yōu)點，提出一種新的改進算法，并在特征匹配階段提出一種新的匹配策略。具體工作分為以下兩個部分：
　　 1、結合SURF算法對ASIFT算法進行改進。ASIFT算法首先對待配準圖像和參考圖像進行經度角和緯度角的模擬，然后對模擬后得到的一組圖像運用SI

4、FT算法提取特征點和進行匹配。SURF算法利用Hessian矩陣檢測極值點，計算Haar小波響應值來生成特征描述向量。本文算法在ASIFT算法模擬的基礎上，特征提取和描述部分采用SURF算法的方法，目標在于得到一種性能更好的圖像配準算法。
　　 2、特征匹配部分改進。ASIFT算法在進行特征匹配時，計算得到的歐氏距離是所有維數上的差別的總的反映。在這種情況下，有著相同歐氏距離的兩個特征向量具體在哪些維上的差異較大是無法比較的。而