一种用于红外与微光图像配准的改进型SURF算法

摘要

针对红外与微光图像配准的特殊性,为了减少配准计算量,提出了一种从主方向确定和特征点描述两方面加以改进的加速鲁棒特征(Speeded Up Robust Feature,SURF)配准算法.首先检测微光图像和红外图像的边缘,然后用改进型SURF算法提取两种图像边缘上的特征点,并采用最近邻距离法对原始特征点进行筛选.在得到较高精度的特征点后进行粗匹配.接着用随机抽样一致性(RANdom SAmple Consensus,RANSAC)算法对一次筛选后的特征点进行精匹配.最后利用精确的特征点建立变换模型,并将重采样后的待配准图像与参考图像实现配准.实验结果表明,该算法不仅可以解决红外与微光图像的配准问题,而且在匹配精度和算法运算时间等方面的表现均优于原始SURF算法.