成果信息

本课题首先利用BFF算法结合双向匹配改进算法对提取的SIFT特征点进行匹配，接着利用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点，接着利用RANSAC算法进一步筛选匹配得到内点，并利用最小二乘法估计出初步变换矩阵，最后利用局部均方误差对提取的特征点进行映射矩阵客观评价，利用得到的参数筛除导致匹配效果不佳的关键误匹配点，进行多项式近似几何矫正迭代出高精确的变换矩阵，直到最终计算出符合评价指标的最优变换矩阵，该方法提高了大幅复杂图像在少量重合区域时的配准精度，可以达到亚像素级配准精度。)

背景介绍

由于受图像噪声影响大、利用图像景物特征配准时获取区域和边缘困难、或图像缺乏必需的地面特征点等的限制，亚像素级精度的图像配准难度增大。)

应用前景

多源图像配准作为图像融合、运动检测、立体视觉等应用的前提步骤，其精度将直接影响后续操作的效果。如多源遥感图像融合，其配准误差通常都要求亚像素级、甚至深亚像素级，否则会使小目标、细线目标等多源识别失效，融合图像边缘模糊。但在实际的研究中，由于受图像噪声影响大、利用图像景物特征配准时获取区域和边缘困难、或图像缺乏必需的地面特征点等的限制，高精度的图像配准难度增大。本课题成果可以应用于遥感、军事、医学、计算机视觉等领域，如图像融合、医学图像分析、目标变化检测、目标识别等方面。)