图像配准,即对同一场景进行不同时间、不同视角或不同传感器拍摄的两幅或多幅图像,按照某种相似性度量,进行空间变换处理,使得各图像在几何上能够对应起来。图像配准技术是图像拼接、医学诊断、计算机视觉、遥感图像处理等领域中,必不可少的基本步骤之一,并且配准得到的结果将会直接影响到后续的图像处理过程。因此,图像配准一直被关注和强调。根据图像配准过程中利用到的图像信息的不同将配准方法分为基于灰度信息的方法、基于变换域的方法和基于特征的方法三大类。其中基于特征的方法现在是图像配准中最常见的方法,它最大的优点是能够通过分析图像的点特征来分析整个图像,从而在图像处理过程中大大减少了运算量。因此本文重点研究基于特征点的配准方法。本论文介绍了角点检测的常用算法,重点介绍了Harris角点检测算子和Susan角点检测算子,并把归一化互相关原理(NCC)作为相似性准则,与这两种算子结合对图像进行特征点的提取和匹配。基于尺度不变特征变换(SIFT)的配准方法目前已经是图像配准的主要方法之一。经过大量的实验证明SIFT算子对图像的亮度变化、旋转变化、尺度变化具有不变性,对噪声、仿射变换、视角变化也具有一定的鲁棒性。SIFT算子特征点的特征向量描述符有128维,这样的特征向量具有丰富的信息和独特的特点,能够很好的实现精确匹配。但是该算法提取出的特征点非常多、特征向量描述符维数太高、配准时间太长,并且提取出的大量特征点中仍存在少量的不稳定点,这些点会使配准的精度和效率有所降低。针对这些问题,本文从以下几个方面对SIFT算法进行改进。第一,本文在基于SIFT的图像配准中引入Harris角点检测算子,对SIFT算子提取出的特征点计算其Harris角点响应,剔除那些低响应的特征点,这样,经过筛选后的特征点更稳定,更能代表图像信息,同时降低了特征点进行特征向量描述过程中巨大的计算量。第二,本文将SIFT算子中特征点的128维的特征描述符进行简化,降为24维。这样,就能在匹配过程中减少很多时间,加快了配准的速度。第三,由于单向匹配算法虽然速度比较快,但匹配效率却不高,得到的匹配结果还是有很多错误的匹配出现,因此,将匹配策略改为双向匹配,这种匹配算法虽然增加了匹配时间,但却大大的提高了匹配效率,在匹配结果中基本没有误匹配出现。实验结果显示,改进的算法剔除了很多不具有独特性的SIFT特征点,留下来的特征点大都聚集在图像的轮廓处,且数量少于原有特征点数量的一半。由于改进的算法特征点剔除了大部分并且简化了特征描述符,因此大大减少了配准过程前半部分的运行时间；用双向匹配方法,配准过程后半部分的运行时间虽然会有少量增加,但总体上配准的时间还是缩短了很多,并且很好的提高了配准的精度和效率。用双向匹配方法,配准过程后半部分的运行时间虽然会有少量增加,但总体上配准的时间还是缩短了很多,并且很好的提高了配准的精度和效率。