摘 要

图像配准是将两幅或多幅在不同条件下获取到的图像进行配准的过程，不同条件可以是不同拍摄角度，不同尺度，不同亮度等区别，图像配准技术应用广泛，在图像处理、计算机视觉、遥感数据分析等众多领域都有应用。

图像配准方法分为三个主要类别：基于灰度信息法、变换域法和基于特征法，而基于特征法中的SIFT即尺度不变特征变换（Scale-invariant feature transform，SIFT）方法在图像配准算法中有着重要地位，有着很多优点，SIFT特征对图像的旋转，尺度和亮度变化具有不变性，SIFT算法对仿射变换，视角变化和噪声也保持一定的稳定性，所以SIFT算法是实现图像配准的重要方法之一，在图像领域有着广泛应用。

本文首先介绍图像配准的发展和实现图像配准的各种算法，然后详细介绍SIFT算法，对SIFT算法实现特征提取和特征匹配的具体四个步骤：尺度空间极值检测、关键点定位、关键点方向确定、关键点描述作了详细的理论介绍，并在matlab平台上编程实现了几组图片较为精确的配准，结合实验结果分析讨论了参数distRatio对匹配精度的影响以及SIFT算法的适应性。

关键词：图像配准；尺度不变特征变换；特征提取；特征匹配

Abstract

Image registration is two or more images at different times, different sensors or other different conditions for access to match, superimposed process, it has been widely used in remote sensing data analysis, computer vision, image processing.

Image registration method is divided into three main categories: Based on Gray Level Information Method, Transform Domain Method and Based on Characteristic Method, because SIFT algorithm of Based on Characteristic Method for image rotation, scaling, and brightness changes keeps invariance, and for the viewing angle changes, affine transformation, noise also maintains a certain degree of stability, so SIFT algorithm is an important method to achieve image registration,it has a wide application in image fields.

First, this paper describes the development of image registration and the various image registration algorithm, then SIFT algorithm is described in detail, SIFT algorithm achieves feature extraction and feature matching consists of four steps: scale space extrema detection, locating key points, key points to determine the direction, the key point is described. These four steps have a detailed theoretical description. Several groups of precise registration are achieved using matlab,and analysis the experimental results to discuss the influence of parameters distRatio for matching accuracy and adaptability of SIFT algorithm.

Keywords:Image registration; Scale Invariant Feature Transform(SIFT); Feature Extraction; Feature matching

目录

摘要 I

Abstract II

1 绪论 2

1.1研究的目的及意义 2

1.2国内外研究现状及趋势 2

1.3本文主要研究内容 3

2 图像配准方法 4

2.1基于灰度信息法 4

2.2变换域法 4

2.3基于特征法 4

3 SIFT算法原理 6

3.1SIFT算法简介 6

3.2尺度空间极值检测 6

3.2.1构建尺度空间 6

3.2.2图像金字塔的建立 7

3.2.3极值检测 8

3.3特征点方向参数 8

3.4关键点描述子的生成 9

3.5根据描述子进行匹配 10

4 SIFT算法matlab仿真 12

4.1特征提取 12

4.2特征匹配 13

4.3参数distRatio对匹配精度的影响 14

4.4SIFT算法的适应性 19

5 总结 22

参考文献 23

致谢 24

1 绪论

图像配准的研究从七十年代开始到现在已经产生了很多种配准方法和算法，特别是八十年代以来，图像配准技术在众多图像领域都飞速发展，研究出了许多针对特定领域特定应用要求的图像配准方法及算法，本章将介绍图像配准的研究目的和意义，阐述国内外研究现状及趋势，最后对课题的研究内容和预期目标作较为细致的叙述。

1.1研究的目的及意义

图像配准的研究始于七十年代，最早是在美国的军事研究中提出的，经过多年发展，图像配准技术在众多领域都有着重要的应用，比如遥感图像处理领域，计算机视觉领域，以及自动导航，模式识别，医学诊断等领域。图像配准是图像处理等众多领域的基础问题，它是对不同条件下获取的两幅或多幅图像进行匹配或叠加的过程，图像配准的意义在于它是众多图像处理工作的基础，图像配准的质量将会直接决定这些工作的后续的质量。例如对于图像信息融合，目标定位，变化检测，高分辨率图像的重建等工作，图像配准是它们的基础，通过对图像的精确配准，将能更好地进行这些工作的后续阶段，图像配准的处理质量将直接影响后续阶段的工作的质量^[1]。

1.2国内外研究现状及趋势