改進SURF和Delaunay三角網(wǎng)的圖像配準算法研究.pdf

1、圖像配準是圖像處理領域的關鍵技術之一，它是通過將不同時刻、不同視角或者不同傳感器下獲取的同一場景兩幅或多幅圖像數(shù)據(jù)進行匹配和疊加處理，其目的是消除或減少圖像間的幾何形變。目前，圖像配準技術已在信息融合、圖像拼接、變化檢測、目標識別、立體視覺、環(huán)境監(jiān)測、地圖更新以及天氣預報等領域得到廣泛的應用和研究。
　　圖像配準算法研究的核心問題是提高配準的速度、精度和算法的穩(wěn)健度，所以研究一種魯棒性好、精確度高、性能穩(wěn)定和適用性強的配準方法依然

2、面臨巨大挑戰(zhàn)，并且具有重要的理論意義和實用價值。
　　SURF算法是近幾年新出現(xiàn)的特征點提取方法，在魯棒性、重復度、獨特性等方面，均與以往提出的方法具有優(yōu)越性；且算法引入了積分圖像和箱式濾波器，使其計算效率較其它方法，具有絕對的優(yōu)勢。
　　本文從配準效率和精度出發(fā)，提出了一種基于改進SURF和Delaunay三角網(wǎng)的圖像配準方法。該方法在原有SURF算法的基礎上，引入顏色不變量模型和Delaunay三角網(wǎng)、相似三角函數(shù)及攝影

3、不變量等約束條件。具體實現(xiàn)過程：首先使用顏色不變量模型對兩幅遙感圖像進行處理；其次利用SURF算法提取遙感圖像的特征點集，并在兩幅遙感圖像上分別進行平面Delaunay三角剖分，得到兩幅圖像的Delaunay三角網(wǎng)；然后再使用三角形相似函數(shù)計算待配準圖像與基準圖像間的Delaunay三角網(wǎng)中三角形之間的相似度，選擇相似度大于0.75的三角形對，并作為候選配準三角形對；接著對候選的三角形進行攝影不變量分析，以剔除錯誤配準點對，提取精確的配