改进尺度不变特征变换算法的图像配准∗

范雪婷 赵朝贺 潘九宝 王 玮

（1.江苏省基础地理信息中心 南京 210013）（2.江苏省地质调查研究院 南京 210018）

1 引言

图像配准是将存在时间、传感器或视角差异的同一场景的两幅或多幅图像进行空间变换使得不同图像在几何空间上对应起来［1～2］。传统影像匹配方法可分成两类灰度信息匹配和特征匹配［3］。基于特征的匹配方法由于具有可靠性高、算法稳定和灵活度高等性能而得到广泛关注。1999年，David G.Lowe提出的尺度不变特征变换（Scale Invariant Feature Transform，SIFT）算法，具有尺度不变和旋转不变性且对视角、噪声、亮度变化具有较强的匹配能力和鲁棒性，从而在图像领域得到广泛应用［4］。但是SIFT算法也有很多缺陷，如计算量大、效率不高及容易出现错误匹配现象等。文献［5］提出基于随机抽样一致性（Random Sample Consen⁃sus，RANSAC）算法与SIFT特征剔除错误匹配，取得一定的效果但并未完全消除错误匹配且直接使用降低了效率。文献［6］提出利用PCA-SIFT算法降低SIFT特征向量维度，减小算法的计算量，但效果并不理想，准确度不如SIFT匹配算法。文献［7］改进RANSAC算法减少匹配计算量，提高了匹配速度，配准精度未改善。综合分析以上因素，本文提出一种改进尺度不变特征变换算法的图像配准方法。算法充分考虑SIFT特征点的特性改进匹配框架和匹配方法，尽可能地利用匹配点对提高算法的配准精度和适用性。

2 算法

本文算法总体流程如图1所示，主要包含三个方面：1）基于SIFT特征匹配点对的最近邻欧式距离DNN和最近邻与次近邻距离比值DNS双重阈值判据将特征匹配点集分为Ⅰ类匹配点集和Ⅱ类匹配点集，记为初始匹配点集；……