一种基于SURF的图像配准改进算法_高素青

合集下载

基于改进SURF算子的高低分辨率图像配准方法

（１．ＤｅｐａｒｔｍｅｎｔｏｆＯｐｔｉｃａｌａｎｄＥｌｅｃｔｉｒｃａｌＥｑｕｉｐｍｅｎｔ，ｔｈｅＡｃａｄｅｍｙｏｆＥｑｕｉｐｍｅｎｔ，Ｂｅｉｊｉｎｇ１０１４１６，Ｃｈｉｎａ；２．ＣｏｍｐａｎｙｏｆＰｏｓｔｇｒａｄｕａｔｅＭａｎａｇｅｍｅｎｔ，ｔｈｅＡｃａｄｅｍｙｏｆＥｑｕｉｐｍｅｎｔ，Ｂｅｒｉｎｇ１０１４１６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｄｕｅｔｏｔｈｅｌａｒｇｅｒｅｓｏｌｕｔｉｏｎｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｔｈｅｔｈｒｅｅ — ｄｉｍｅｎｓｉｏｎａｌｌａｓｅｒｉｍａｇｉｎｇｓｅｎｓｏｒａｎｄｖｉｓｉｂｌｅｉｍａ — ｇｉｎｇｓｅｎｓｏｒ，ｍｉｓｍａｔｃｈｉｎｇｆｅａｔｕｒｅｐｏｉｎｔｓａｒｅｎｕｍｅｒｏｕｓ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ａｒｅｇｉｓｔｒａｔｉｏｎｍｅｔｈｏｄｏｆｈｉｇｈ－ｌｏｗｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｓｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＳＵＲＦｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｌｏｗ— ｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｉｓｐｒｏｃｅｓｓｄｅｔｈｒｏｕｇｈｂｉｌｉｎｅａｒｉｎ —

基于SURF特征的高动态范围图像配准算法

和Ｗａｄ提出的ＭＴ（ｄａｒｓｏｄｂｔｐ法ｆ即适用于ｒＢｍｅｉｎｔｅｈｌｉｈｍａ）４ｌ
定时，主要由曝光时问决定。出图像的灰度级和场景光输
线辉度之间的关系，可以用相机响应函数（ａｅａＲｓｏｓＣｍｒｅｐｎｅＦｎｔｎｃ）示。ｂｖｃＭａｉ用求解超定线性方ｕｃｉ．Ｒ表ｏＦＤｅｅｅ和ｌｋ采程组的方法，从多曝光图像序列中恢复ＣＦ。随后ＲＭｉｕａａＮｙｒ表了基于多项式逼近的ＣＦ估计方法ｔｎｇ和ａａ发ｓＲ
文献标志码：Ａ
０引言
近年来，高动态范围图像合成（ｇｙａｃＲｎｅＨｉｈＤｎｍｉａｇ
方向平移量，从而实现配准。由于配准过程是大多进行位运
算，故而速度较快。但是其缺点也是显而易见的。主要是
Ｉｇｏｏｉｏ）ｍａｅＣｍｐｓｉｎ技术获得了长足发展。真实世界场景往ｔ往具有很高的动态范围，传统数码照相机由于只具有有限而
ＭｉｏｏｕｅＡｐｌａｉｎＶ１２，．２１ｃｃｍｐｔｒｒｐｉｔｓｏ．６Ｎｏ，００ｃｏ２
文章编号：１０ —５Ｘ２１）—０８００７７７（００２００－３
研究与设计
微型电脑应用
２１年第２００６卷第２期
基于ＳＲＵＦ特征的高动态范围图像配准算法

一种基于SURF算法的遥感图像配准方法及系统[发明专利]

专利名称：一种基于SURF算法的遥感图像配准方法及系统专利类型：发明专利
发明人：雷添杰,袁满,程慧,张亚珍,李杨,王嘉宝,李翔宇,程子懿,黄锦涛,路京选,庞治国,王维平,杨轶龙,张炬,李世
灿,秦景,冯杰,李曙光,冯炜,杨会臣,赵春,宫阿都,李爱
丽,周沅璟,汪洋,刘中伟,万金红,徐静
申请号：CN201910354697.5
申请日：20190429
公开号：CN110060285A
公开日：
20190726
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于SUFR算法的遥感图像配准方法及系统。

所述方法包括：上传基准遥感图像和待配准遥感图像到GPU显存中；在GPU中以并行的计算方式，采用SURF算法分别对基准遥感图像和待配准遥感图像进行特征提取，得到第一特征描述子和第二特征描述子；第一特征描述子为基准遥感图像的特征描述子，第二特征描述子为待配准遥感图像的特征描述子；在GPU中采用快速近似最近邻搜索算法对第一特征描述子与第二特征描述子进行特征匹配，得到特征匹配图像；将特征匹配图像下载到CPU内存中，得到配准后的图像。

本发明在GPU中以并行的计算方式，采用SURF算法实现图像配准，能够提高遥感图像配准的运行速度，进而提高配准效率。

申请人：中国水利水电科学研究院
地址：100000 北京市海淀区复兴路甲1号D座721
国籍：CN
代理机构：北京高沃律师事务所
代理人：杜阳阳
更多信息请下载全文后查看。

基于SURF的图像配准改进算法

第３９卷第１期２０１６年２月
长春理工大学ｈｕｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
Ｖｏ１．３９Ｎｏ．１Ｆｅｂ．２０１６
基于ＳＵＲＦ的图像配准改进算法
灰度和基于特征的两类，其中，基于特征检测的方法
基于ＳＵＲＦ的图像配准技术能够较为准确地匹
研究较多，近年来取得了飞速的发展，具有计算简配上两幅图像的相似部分，但是，由于描述特征点时
单、精度高等特点。Ｄ．Ｇ．Ｉｏｗｅ等人在１９９９年提出使用的是特征点周围像素的信息，所以当两幅图像
张凤晶，王志强，吴迪，于光
（空军航空大学航天航天情报系，长春１３００２２）
摘要：为了更好地在保证图像配准的速度前提下，提高配准的精度，本文提出一种新的基于ＳＵＲＦ的图像配准改进算
法改进算法将单向匹配与方向一致性约束两者结合起来，先对待配准图像进行单向匹配，再计算出各个匹配点对之间的
目前，图像配准技术已经被广泛应用于计算机视觉、简化计算，大大降低了检测特征点的计算量，并且它
遥感数据分析、全景图像拼接、医学诊断与辅助治对图像的平移、旋转、缩放等变化具有良好的不变
疗、虚拟现实等领域。图像配准方法主要分为基于性，进一步提高了ＳＩＦＴ算法的性能。
图像配准是指对初始位置不同的两幅图像，将分析、总结多种特征检测方法的基础上，提出了

一种基于改进SURF的遥感图像自动配准方法

一种基于改进SURF的遥感图像自动配准方法吕健春【摘要】现有的遥感图像自动匹配方法存在匹配准确度低、计算量大、配准效率低的问题,在经典SURF算法基础上,提出一种改进的SURF算法,首先提取遥感图像放射不变闭合区域,然后利用SURF算法提取该区域内的特征点,建立特征点筛选机制剔除信息含量低且分布不均匀的特征点,最后结合最小二乘法完成图像自动配准.研究结果表明,该配准方法在提高配准精度的同时,减少了运算时间,提高了算法的整体性能.【期刊名称】《数字技术与应用》【年(卷),期】2016(000)004【总页数】3页(P43-45)【关键词】遥感图像;SURF配准;仿射不变闭合区域【作者】吕健春【作者单位】中国能源建设集团广西电力设计研究院有限公司,广西南宁 530000【正文语种】中文【中图分类】TP751为了将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅遥感图像进行匹配、叠加，需要应用到遥感图像配准技术。

目前的图像配准技术可分为手工配准和自动配准。

随着计算机的普及和自动化的发展，自动配准技术应用越来越广泛，各种具备很强的抗干扰能力和鲁棒性的算法不断涌现。

图像自动配准方法又可分为基于点的配准和基于区域的配准方法。

基于区域的配准方法利用区域内所有像素的灰度信息，配准精度较高，但计算量大，速度较慢。

基于特征的图像配准方法首先提取图像的不变特征（一般使用特征点），然后对这些不变特征进行匹配进而完成图像之间的配准。

由于图像的特征点比区域内的像素点要少的多，因此大大减少了配准过程的计算量。

特征点配准中比较常用的算法，包括Harris算法、SUSAN（Small Univalue Segment Assimilating Nucleus）算法、SIFT（Scale Invariant Feature Transform）算法以及SURF（Speed Up Robust Feature）算法。

基于改进SURF的快速图像配准算法

０引言
算法，利用扩散距离代替欧氏距离进行匹配，利用随机抽样
一
图像配准是图像处理过程中的关键技术，在目标识别、图像拼接、变化检测、目标跟踪、三维重建等领域得到了广
致（ＲＡＮＳＡＣ）算法从候选匹配中排除错误的匹配。文
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｐｒｏｂｌｅｍｏｆｐｏｏｒｒｅａｌ — ｔｉｍｅａｎｄｆａｌｓｅｍａｔｃｈｉｎｇｏｆｉｍａｇｅｓｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｓｐｅｅｄ
中图分类号：ＴＰ３９１．４１文献标识码：Ａ文章编号：１０００－－９７８７（２０１７）１１０１－５１０３－
ＦａｓｔｉｍａｇｅｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＳＵＲＦ
进行筛选，采用改进的快速近邻搜索算法进行特征匹配，到用随机抽样一致（ＲＡＮＳＡＣ）算法剔除误匹配
对。实验表明：改进后的算法有效改善了匹配效率，提高了匹配准确度。关键词：加速鲁棒特征；图像熵；最近邻搜索；图像配准
ＨＵＭｉｎ— ｔａｏ，ＰＥＮＧＹｏｎｇ，ＸＵＹｕｎ
（ＳｃｈｏｏｌｏｆｌｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｃｈｉｎａ）

基于SURF的图像配准与拼接技术研究共3篇

基于SURF的图像配准与拼接技术研究共3篇基于SURF的图像配准与拼接技术研究1近年来，图像配准与拼接技术已经成为了数字图像处理的重要研究方向之一。

在许多应用领域中，例如遥感影像、医学影像、三维建模等，图像配准与拼接技术已经得到了广泛的应用。

随着计算机视觉技术的不断发展，图像配准与拼接技术也在不断的完善和提高。

其中一种最具有代表性的图像配准与拼接技术就是基于SURF的图像配准与拼接技术。

SURF（Speeded-Up Robust Features）是一种高效的图像特征提取算法，它可以在保证特征点数量和质量的同时，提高提取速度。

利用SURF算法提取的特征点几乎不受图像缩放、旋转、平移等变换的影响，具有较好的鲁棒性和准确性。

基于SURF算法的图像配准与拼接技术，可以较好地解决图像缩放、旋转、平移等问题，为数字图像处理提供了更好的技术保障。

在基于SURF的图像配准与拼接技术中，首先需要选取参考图像和待配准图像。

然后，利用SURF算法对两幅图像提取特征点，并进行特征点匹配。

通过对特征点的匹配，可以找到两幅图像之间的几何变换关系。

接下来，可以利用图像配准技术对待配准图像进行校正对准，从而使其与参考图像达到一致。

最后，可以利用图像拼接技术将校正后的待配准图像与参考图像进行拼接，得到最终的拼接结果。

其中，特征点匹配是图像配准与拼接的关键步骤之一。

SURF算法的特征点匹配策略使用的是一种特殊的描述子匹配算法——KD树。

KD树是一种数据结构，在高维空间中构建KD树，可以实现高效的最近邻搜索。

通过KD树可以快速地找到两幅图像中距离最近的特征点，并将其匹配起来。

通过特征点的匹配，可以计算出两幅图像之间的变换关系，并对待配准图像进行校正对准。

除了特征点匹配外，还有一些其他的关键步骤也需要注意。

例如，在图像配准中，需要对待配准图像进行坐标转换，从而使得其与参考图像的坐标系一致。

在图像拼接中，需要实现拼接过程中的图像去重、光照一致性等问题。

基于SURF的图像配准方法研究

半径为６ｓ（ｓ为特征点所在的尺度值）的邻域内的点在工、Ｙ方向的Ｈａａｒ小波（Ｈａａｒ小波边长取缸）响应，并给这些响应值赋高斯权重系数，使得靠近特征点的响应贡献大，而远离特征点的响应贡献小，更符合客观实际；其次将６００范围内的响应相加以形成新的矢量，遍历整个圆形区域，选择最长矢量的方向为该特征点的主方向。这样，通过对１．１节的特征点逐个进行计
１ＳＵＲＦ检测及描述
ＳＵＩ疆方法整体思想流程同ＳＩＦＩ’类似，但在整个过程中采用了与ＳＩＦＴ不同的方法。两者关键技术的对比如表ｌ所示。１．１特征检测
特征点的检测依然基于尺度空间理论。图像ｌ中ｘ＝Ｏ，Ｙ）处的点，在尺度盯上的Ｈｅｓｓｉａｎ矩阵定义为：
日＿ｉｕ？姒叫
（１）
【ｋ（工，盯）Ｌ。（Ｘ，盯）Ｊ
ｒｅｇｉｓｔｒａｔｉｏｎａｐｐｒｏａｃｈｂａｓｅｄｏｎＳＵＲＦｗａｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅｆｅａｔｕｒｅｐｏｉｎｔｓｗｅｒｅｅｘｔｒａｃｔｅｄｕｓｉｎｇＳＵＲＦａｎｄｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｍａｔｃｈｉｎｇｐｏｉｎｔｓｗｅｒｅｆｏｕｎｄｕｓｉｎｇｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｍｅｔｈｏｄ；ｔｈｅｎｔｈｅｍａｐｐｉｎｇ
图像上，通过扩大方框的大小形成不同尺度的图像金字塔，９ｘ９的方框滤波模板值见图２，图中灰色部分模板值
为０，对应二阶高斯滤波ｏ＇＝－１。２、相应的尺度值ｓ＝庐１．２，方框滤波模板同图像卷积后的值分别为Ｄ。、％、Ｄ＂，
万方数据
１６２
红外与激光工程
第３８卷
进一步求解得到Ｈｅｓｓｉａｎ矩阵的△表达式１１６］：
第３８卷第１期Ｖ０１．３８Ｎｏ．Ｉ
红外与激光工程
ＩｎｆｒａｒｅｄａｎｄＬａｓｅｒＥｎｇｉｎｅｅｒｉｎｇ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

摘要：为了更好地构造逼真的虚拟环境，提高虚拟场景中图像配准的效率，提出了一种改进的ＳＵＲＦ算法。改进算法根据特征点的数量和其间疏密关系作为判定条件，可以在更短时间内得到数量适当且分布相对均匀的图像特征点，同时在特征点匹配阶段利用Ｈｅｓｓｉａｎ矩阵迹的正负性提高特征点匹配的速度。针对误匹配影响图像拼接准确性的问题，采用随机采样算法（提高匹配的精确度。实验结果表明该算ＲＡＮＳＡＣ）提高了匹配效率。法节省了特征点检测和匹配的时间，关键词：图像匹配；特征提取；随机采样算法ＳＵＲＦ算法；Ｈｅｓｓｉａｎ矩阵；中图分类号：ＴＰ３９１文献标识码：Ａ：／ＤＯＩ１０．３９６９．ｉｓｓｎ．１００９３４４３．２０１２．０９．１８０－ｊ
其中，数Ｈｅｓｓｉａｎ矩阵检测出的特征点集为数组Ｐ，量为Ｎ。
图１改进后的特征提取算法Ｆｉ．１Ａｎｉｍｒｏｖｅｄａｌｏｒｉｔｈｍｏｆｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｇｐｇ
（，；１．ＣｏｌｌｅｅｏｆＣｏｍｍａｎｄＩｎｆｏｒｍａｔｉｏｎＳｓｔｅｍ，ＰＬＡＵｎｉｖ．ｏｆＳｃｉ．＆Ｔｅｃｈ．Ｎａｎｉｎ２１０００７，Ｃｈｉｎａｇｙｊｇ；；）２．ＵｎｉｔＮｏ．７８５２８ｏｆＰＬＡ，Ｙａａｎ６２５０００，Ｃｈｉｎａ３．ＵｎｉｔＮｏ．７３０３２ｏｆＰＬＡ，Ｓｕｚｈｏｕ２１５１５８，Ｃｈｉｎａ
第１解放军理工大学学报（自然科学版）４卷第４期）０１３年８月ＪｏｕｒｎａｌｏｆＰＬＡＵｎｉｖｅｒｓｉｔｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ２ｙｇｙ（
计算机视觉、遥感数据分析、图像处理、虚拟现实等领域。其中，基于特征检测的方法近年来取得
析、总结多种特征检测方法的基础上，提出了
２０１２０９１８收稿日期：－－）基金项目：国家科技重大专项基金资助项目（２００９ＺＸ１０００４７２０－作者简介：高素青，副教授，主要研究多媒体技术，６３．ｃｏｍａｏｓｕｉｎ２００５＠１ｇｑｇ通讯作者：高素青
第４期
等：一种基于ＳＵＲＦ的图像配准改进算法高素青，
３７３
）描述算子，它对ＳＵＲＦ（ｓｅｅｄｅｄｕｒｏｂｕｓｔｆｅａｔｕｒｅｓ－ｐｐ图像平移、旋转、缩放等变化具有良好的不变性．并于２进一步提高了００８年对该方法进行了完善，ＳＩＦＴ算法的性能。本文针对细节丰富图像中ＳＵＲＦ算法性能有影响算法效率的问题，提出了一种改进的所下降，匹配算法。改进的ＳＳＵＲＦ特征点提取、ＵＲＦ算法以特征点的数量和相互间距离作为判定条件，可为后以得到数量适当且分布相对均匀的特征点，续特征点描述和特征匹配阶段节省了时间，提高了匹配的准确率。同时在特征点匹配阶段利用Ｈｅｓｓｉａｎ矩阵迹的正负性提高了特征点匹配的速采度。针对误匹配影响图像拼接准确性的问题，用随机采样算法（提高匹配的精确度。ＲＡＮＳＡＣ）最后通过实验分析验证了本文算法的合理性和有效性。
ＩｍｒｏｖｅｄａｌｏｒｉｔｈｍｏｆｉｍａｅｒｅｉｓｔｒａｔｉｏｎｂａｓｅｄｏｎＳＵＲＦｐｇｇｇ
１２３ＧＡＯＳｕｉｎＸｕｎｕｎ，ＣｈｅｎｘｉａＴＡＮＨＵＡＮＧｑｇ，ｊｇ
：ＡｂｓｔｒａｃｔＴｏｂｅｔｔｅｒｃｏｎｓｔｒｕｃｔａｖｉｒｔｕａｌｅｎｖｉｒｏｎｍｅｎｔａｎｄｉｎｃｒｅａｓｅｔｈｅｉｍａｅｒｅｉｓｔｒａｔｉｏｎｅｆｆｉｃｉｅｎｃｉｎｔｈｅｖｉｒ－ｇｇｙ，ｔｕａｌｓｃｅｎｅｔｈｅｓｅｅｄｕｔｈｅｒｏｂｕｓｔｆｅａｔｕｒｅｓ（ＳＵＲＦ）ａｌｏｒｉｔｈｍｗａｓｉｍｒｏｖｅｄ．Ｔｈｅａｌｏｒｉｔｈｍｗａｓｂａｓｅｄ－ｐｐｇｐｇ，Ｔｏｎｔｈｅｎｕｍｂｅｒｏｆｆｅａｔｕｒｅａｎｄｄｅｎｓｉｔｒｅｌａｔｉｏｎｓｈｉｗｈｉｃｈｄｅｔｅｒｍｉｎｅｔｈｅｃｏｎｄｉｔｉｏｎｓｈｅｎｕｍｂｅｒｏｆｏｉｎｔｓｙｐｐｔｈｅａｒｏｒｉａｔｅａｎｄｒｅｌａｔｉｖｅｌｕｎｉｆｏｒｍｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｆｅａｔｕｒｅｏｉｎｔｓｃａｎａｃｈｉｅｖｅｗｉｔｈｉｎａｓｈｏｒｔｅｒｔｉｍｅ．ｐｐｐｙｐＴｈｅｏｓｉｔｉｖｅａｎｄｎｅａｔｉｖｅｕａｎｔｉｔｏｆＨｅｓｓｉａｎｍａｔｒｉｘｗａｓｕｓｅｄｔｏｉｎｃｒｅａｓｅｔｈｅｓｅｅｄｏｆｔｈｅｆｅａｔｕｒｅｏｉｎｔｐｇｑｙｐｐ，ｓｏｌｖｅｔｈｅｒｏｂｌｅｍｗｈｉｃｈｗｒｏｎｍａｔｃｈｅｓｉｎｆｌｕｅｎｃｅｔｈｅｒｅｃｉｓｉｏｎｏｆｉｍａｅｍｏｓａｉｃｒａｎｄｏｍｍａｔｃｈｉｎ．Ｔｏｐｇｐｇｇｃｏｎｓｅｎｓｕｓ（ＲＡＮＳＡＣ）ｗａｓｕｓｅｄｔｏｉｍｒｏｖｅｔｈｅｍａｔｃｈｉｎａｃｃｕｒａｃ．Ｔｈｅｅｘｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｓａｍｌｅｐｇｙｐｐ，ｔｈａｔｔｈｅａｌｏｒｉｔｈｍｃａｎｓａｖｅｔｈｅｆｅａｔｕｒｅｄｅｔｅｃｔｉｏｎａｎｄｔｈｅｍａｔｃｈｉｎｏｆｔｉｍｅａｎｄｉｍｒｏｖｅｔｈｅｍａｔｃｈｉｎｅｆｆｉｃｉｅｎｏｉｎｔ－ｇｇｐｇｐｃ．ＴｈｅｒｏｏｓｅｄａｌｏｒｉｔｈｍｏｆｉｍａｅｒｅｉｓｔｒａｔｉｏｎｉｓｍｏｒｅｅｆｆｅｃｔｉｖｅｔｈａｎｔｈｅＳＵＲＦｉｍａｅｒｅｉｓｔｒａｔｉｏｎｍｅｔｈｏｄ．ｙｐｐｇｇｇｇｇ：；；；ＫｅｗｏｒｄｓｉｍａｅｍａｔｃｈｉｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎＳＵＲＦａｌｏｒｉｔｈｍ；ＨｅｓｓｉａｎｍａｔｒｉｘＲＡＮＳＡＣｇｇｇｙ图像配准是指对初始位置不同的２幅图像，将其中一幅进行几何变换（如平移、旋转以及缩放，等）使其与另一幅图像在同一坐标系中重合的过程。图像配准方法有模板匹配、基于特征的方法
１．１特征点的快速检测在ＳＵＲＦ特征点描述符的形成过程中需要花费大量时间计算小波，为了提高算法效率，减少计算算法在计算小波响应时做了相应改进，即在构时间，先确定每一个特征点的主方造特征点描述符之前，然后计算其小波响应并形成特征点描述符。向，（）框式滤波器尺寸确定。构造检测子首先要１通过设置的阶数和层数构建出块状响应序列。每个块状响应都是以大小为阶数 × 层数的二维图像数组结构实现的。每一个阶 — 层对可以确定一个滤波器的尺寸，因此框式滤波器的尺寸Ｎ为：
Ｖｏｌ．１４Ｎｏ．４Ａｕ．２０１３ｇ
一种基于ＳＵＲＦ的图像配准改进算法
２３高素青１，谭勋军，黄承夏
（解放军理工大学指挥பைடு நூலகம்息系统学院，江苏南京２解放军７四川雅安６１．１０００７；２．８５２８部队，２５０００；）解放军７江苏苏州２３．３０３２部队，１５１５８