基于SURF特征提取的多光谱遥感图像配准_鲁云飞

格式：pdf
大小：1.10 MB
文档页数：4

下载文档原格式

基于SURF和改进的RANSAC算法的医学图像配准

基于SURF和改进的RANSAC算法的医学图像配准谷宗运;谭红春;殷云霞;杜春敏【期刊名称】《中国医学影像学杂志》【年(卷),期】2014(022)006【摘要】为了提高医学图像配准的鲁棒性、准确性和速度,本文提出一种结合加速鲁棒性特征(SURF)和改进的随机采样一致算法(RANSAC)的医学图像配准算法,首先提取图像上的SURF特征点,完成特征点初始匹配,然后用改进的RANSAC算法剔除误匹配点对,最后根据提纯后的匹配点对估计出两幅图像间的空间几何变换参数完成图像配准.实验结果表明,与传统的几种算法相比,在图像中含有噪声、灰度不均匀及初始变换范围比较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和更快的速度.【总页数】7页(P470-475,480)【作者】谷宗运;谭红春;殷云霞;杜春敏【作者单位】安徽中医药大学医药信息工程学院安徽合肥230031;安徽省计算机中医应用研究所安徽合肥 230038;安徽中医药大学医药信息工程学院安徽合肥230031;安徽中医药大学医药信息工程学院安徽合肥230031;安徽中医药大学医药信息工程学院安徽合肥230031【正文语种】中文【中图分类】TP391.4【相关文献】1.基于改进SURF和RANSAC算法的室内环境图像匹配 [J], 符秀辉;周文俊;赵茂鑫;2.基于SURF和改进RANSAC算法的图像自适应匹配 [J], 刘海洋;李春明;王萌萌;轩宗泽;杨鹏飞3.基于SURF算法和SC-RANSAC算法的图像配准 [J], 杨海燕;罗文超;刘国栋4.基于SURF算法和改进RANSAC算法的无人机影像匹配 [J], 孙灏;高俊强;许苏苏5.一种基于SURF、FLANN和RANSAC算法的图像拼接技术 [J], 原伟杰;文中华;彭擎宇因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于改进SURF的遥感图像自动配准方法

一种基于改进SURF的遥感图像自动配准方法吕健春【摘要】现有的遥感图像自动匹配方法存在匹配准确度低、计算量大、配准效率低的问题,在经典SURF算法基础上,提出一种改进的SURF算法,首先提取遥感图像放射不变闭合区域,然后利用SURF算法提取该区域内的特征点,建立特征点筛选机制剔除信息含量低且分布不均匀的特征点,最后结合最小二乘法完成图像自动配准.研究结果表明,该配准方法在提高配准精度的同时,减少了运算时间,提高了算法的整体性能.【期刊名称】《数字技术与应用》【年(卷),期】2016(000)004【总页数】3页(P43-45)【关键词】遥感图像;SURF配准;仿射不变闭合区域【作者】吕健春【作者单位】中国能源建设集团广西电力设计研究院有限公司,广西南宁 530000【正文语种】中文【中图分类】TP751为了将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅遥感图像进行匹配、叠加，需要应用到遥感图像配准技术。

目前的图像配准技术可分为手工配准和自动配准。

随着计算机的普及和自动化的发展，自动配准技术应用越来越广泛，各种具备很强的抗干扰能力和鲁棒性的算法不断涌现。

图像自动配准方法又可分为基于点的配准和基于区域的配准方法。

基于区域的配准方法利用区域内所有像素的灰度信息，配准精度较高，但计算量大，速度较慢。

基于特征的图像配准方法首先提取图像的不变特征（一般使用特征点），然后对这些不变特征进行匹配进而完成图像之间的配准。

由于图像的特征点比区域内的像素点要少的多，因此大大减少了配准过程的计算量。

特征点配准中比较常用的算法，包括Harris算法、SUSAN（Small Univalue Segment Assimilating Nucleus）算法、SIFT（Scale Invariant Feature Transform）算法以及SURF（Speed Up Robust Feature）算法。

SURF算法和RANSAC算法相结合的遥感图像匹配方法

SURF算法和RANSAC算法相结合的遥感图像匹配方法陈艺虾;孙权森;徐焕宇;耿蕾蕾【期刊名称】《计算机科学与探索》【年(卷),期】2012(006)009【摘要】综合利用了SURF(speeded up robust features)算法和RANSAC (random sample consensus)算法各自的优势,提出了一种SURF算法和RANSAC算法相结合的遥感图像匹配方法.首先利用SURF算法提取特征点并进行预匹配,然后用RANSAC算法剔除误匹配点对,解决了SURF算法中存在的误差匹配和错误匹配问题.通过实验验证了所提算法的有效性,并且该算法在实际应用中也取得了良好的效果.%This paper proposes a matching method for remote sensing images, which combines the superiorities of the speeded up robust features (SURF) algorithm and the random sample consensus (RANSAC) algorithm. Firstly, feature detection and pre-matching of images are done by using SURF algorithm. Secondly, the mismatching is wiped out by using RANSAC algorithm. This method solves the mismatching problem of image matching. Integrated experiments on feature detection and matching as well as the settlement of transformation matrix show that the proposed method is effective.【总页数】7页(P822-828)【作者】陈艺虾;孙权森;徐焕宇;耿蕾蕾【作者单位】南京理工大学计算机科学与技术学院,南京210094;南京理工大学计算机科学与技术学院,南京210094;南京理工大学计算机科学与技术学院,南京210094;南京理工大学计算机科学与技术学院,南京210094【正文语种】中文【中图分类】TP391【相关文献】1.基于改进SURF算法的无人机遥感图像拼接方法 [J], 么鸿原;王海鹏;焦莉;林雪原2.基于RANSAC算法的立体视觉图像匹配方法 [J], 董明利;王振华;祝连庆;孙雨南;吕乃光3.SURF算法和RANSAC算法相结合的台标检测与识别 [J], 吴月凤;何小海;张峰;滕奇志4.基于SURF算法的绿色作物特征提取与图像匹配方法 [J], 张志斌;赵帅领;罗锡文;魏凤岐5.基于ROI提取和改进SURF算法的图像匹配方法研究 [J], 田杰;徐忠民因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进SURF的快速图像配准算法

０引言
算法，利用扩散距离代替欧氏距离进行匹配，利用随机抽样
一
图像配准是图像处理过程中的关键技术，在目标识别、图像拼接、变化检测、目标跟踪、三维重建等领域得到了广
致（ＲＡＮＳＡＣ）算法从候选匹配中排除错误的匹配。文
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｐｒｏｂｌｅｍｏｆｐｏｏｒｒｅａｌ — ｔｉｍｅａｎｄｆａｌｓｅｍａｔｃｈｉｎｇｏｆｉｍａｇｅｓｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｓｐｅｅｄ
中图分类号：ＴＰ３９１．４１文献标识码：Ａ文章编号：１０００－－９７８７（２０１７）１１０１－５１０３－
ＦａｓｔｉｍａｇｅｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＳＵＲＦ
进行筛选，采用改进的快速近邻搜索算法进行特征匹配，到用随机抽样一致（ＲＡＮＳＡＣ）算法剔除误匹配
对。实验表明：改进后的算法有效改善了匹配效率，提高了匹配准确度。关键词：加速鲁棒特征；图像熵；最近邻搜索；图像配准
ＨＵＭｉｎ— ｔａｏ，ＰＥＮＧＹｏｎｇ，ＸＵＹｕｎ
（ＳｃｈｏｏｌｏｆｌｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｃｈｉｎａ）

基于SURF特征匹配的图像拼接算法

基于SURF特征匹配的图像拼接算法
刘奇;何明一
【期刊名称】《测控技术》
【年(卷),期】2010(029)010
【摘要】提出了一种了基于SURF(speed up robust features)特征匹配的图像拼接算法.SURF方法是一种快速且鲁棒性较好的特征提取算法,用该算法提取图像特征后,使用改进BBF(best bin first)的快速匹配算法来寻找图像间的匹配点;用L-M 算法对单应性矩阵进行优化时,本文提出使用梯度误差函数增强对光照变化的鲁棒性;最后采用多分辨率融合方法进行图像融合,有效地消除了拼接痕迹,并保持较高的分辨率.实验结果验证了该算法的高效性,对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的效果.
【总页数】5页(P27-31)
【作者】刘奇;何明一
【作者单位】西北工业大学,电子信息学院,信息获取与处理陕西省重点实验室,陕西,西安,710129;西北工业大学,电子信息学院,信息获取与处理陕西省重点实验室,陕西,西安,710129
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于改进SURF算法的工件图像特征匹配 [J], 张强;韩松奇;于微波
2.基于SIFT和SURF图像拼接算法的改进算法 [J], 史露;苏刚;韩飞
3.一种改进的基于SURF特征匹配的图像拼接算法 [J], 李海洋;张睿哲
4.基于SURF特征匹配算法的直接定位技术研究 [J], 彭泊涵;马洪超
5.基于图像增强技术的SURF特征匹配算法研究 [J], 张明浩; 杨耀权; 靳渤文因版权原因，仅展示原文概要，查看原文内容请购买。

基于surf特征提取和brute-force搜索的图像匹配算法

基于上述研究，本文提出基于SURF特征提取和Brute-Force搜索的图像匹配算法，该算法首先利用SURF算法中的Hessian矩阵来提取图像中的特征点，得到特征点信息，然后用BruteForce 搜索方式寻找最佳匹配点，使其具有良好的匹配速度和准确度。
1 SURF特征提取算子
1. 1 Hessian 矩阵 SURF算法的核心是构建Hessian矩阵，特征点的尺度和位置等信息可以根据Hessian矩阵
［收稿日期］2019 —05—25 "作者简介］厉彦福(1995 — )，男，山东日照人，硕士在读，研究方向为智能装备. $-&ai) 1842390602@qq. com
第！！卷第11期
厉彦福•基于SURF特征提取和Brute-Force搜索的图像匹配算法
1353
行列式的局部最大值来确定。构建Hessian矩阵的目的与边缘检测类似，是为了生成图像稳定的特征点，为接下来的特征提取做准备。假设存在函数!$"#%,这个函数的二阶偏导数可以组成一个Hessian矩阵，该矩阵描述了函数的局部曲率,可以表示为如下形式：
1988年Harris和Stephens3提出基于灰度图像的Harris角点检测特征匹配算法，该算法对角点敏感，稳定性高，但是运行速度比较慢，容易发生角点信息丢失的现象，并且Harris算法无法适应尺度发生变化的图像，不具备尺度不变性，在实际应用中受到限制⑷。在此基础上，2004年 Lowe5提出了基于尺度不变特征(Scale Invari ant Feature Transform, SIFT)算法，它在空间尺度中寻找极值点，并能够提取出极值点的位置、尺度和旋转不变量，该算法能够良好的适应图像旋转、仿射变化、尺度变换等情况6 * SIFT算法

基于SURF描述子的遥感影像配准

（．ｐｒｍｅｔｆｆｗａｅＥｎｎｅｎ，ｅｇｕＵｎｖｒｉｆＩｆｒｔｅｈｏｌｙＣｈｎｄｕ６０２１ＤｅａｔｎＳｏｏｔｒｇｉｅｒｇＣｈｎｄｉｅｓｔｏｎｏｍａｉＴｃｎｏｇ，ｅｇ１２５；ｉｙｏｎ
ＴａｇｌｔｄＩｅｕａｔｒ（Ｎ）ｔｅｓｆｎｄｍａｈｎｏｎｓＥｐｒｎａｓｌｈｗｔｅｌｏｉｍｎｒａｉｒｃｓｇｓａｏｒｉｒｎｕａｒｇｌｒｗｏｋＴＩｗｉｄｎｅｅｉｅｔｉｇｐｉｔ．ｘｅｍｅｔｌｅｕｔｓｏｇｒｈｃｅｌｅｐｅｉｒｉｔｎｆｅｒＮｅｈｒｃｉｒｓｈａｔａｚｅｅｔｉｏｒ
Ｆｒｍｅｅｅｔｒａｄｌａｔｑａｅｗｉｏｒｅｔｉｅｒｇｓｒｔｏｒｃｓ．ｅｉｇｓｄｖｄｄｔｅｃｒｅｔｄａｃｒｔｌｈｏｇｏｓｒｃｉｇｔｅｏｓｒｄｔｃｏｎｓｓｕｒｔｃａｓＯｆｎｅｉｔａｉｎｐｏｅｓＴｈｍａｅｉｉｉｅｂｏｒｃｅｃｕａｅｙｔｒｕｈｃｎｔｕｔｎｈｅｈＯ
ｍｕｔ－ｏｒｅｒｍｏｅｓｎｉｇｉａｅ．ｌｓｕｃｅｉｔｅｓｎｍｇｓ
［ｙｗｏｄ］ｉｇｇｓａｉｎＳＵｅｃｉｔｒＦｒｔｅｅｅｔｒＴａｇｌｔｅｕａｔｒ（ＩＫｅｒｓｍａｅｒｉｒｔ；ＲＦｄｓｒｏ；ｏｓｒｔｃｏ；ｒｎｕａｅＩｇｌＮｅｋＴＮ）ｅｔｏｐｎｄｉｄｒｒｗｏ

基于几何矩预分类的无人机遥感图像自动配准方法

基于几何矩预分类的无人机遥感图像自动配准方法鲁云飞;赵红颖;刘大平;晏磊【期刊名称】《影像科学与光化学》【年(卷),期】2011(29)6【摘要】Recently, image registration technology is one of the rapid development field in image processing area. In remote sensing field, it is a significant step for image fusion, moving detection, image correction, image mosaic and so on. Although there are many methods for image registration in the world, different methods apply to different kinds of images, most time the methods are selected by human intervening but not automatically. It becomes a key issue that how to combine the advantages of different methods to achieve automatic image registration, especially for UAV images. In this paper, a pre-classifying method based on geometric moment is proposed after the comparison of image registration methods based on SIFT and SURF feature extraction, in order to decide which image registration method is the best one, thereby, achieve the whole automatic process. The experiments show that this automatic image registration method makes sure a good matching effect and at the same time it broaden the types of applicative images.%图像配准技术是近些年来图像处理领域发展迅速的研究方向之一.在遥感领域内,图像配准更是实现图像融合、运动检测、图像校正、图像拼接等应用的一个关键步骤.尽管国内外目前在图像配准方面提出了很多方法,但不同方法适用的图像范围不同,很多时候需要人工干预进行方法的选择.尤其对于无人机这种快速、实时获取图像的新型遥感平台,如何集合不同方法的优点以实现图像自动配准成为了关键性问题.本文在比较分析了基于SIFT和SURF特征提取图像配准方法的各自优势后,提出基于几何矩的方法对图像进行预先分类,从而决定将其分配给何种方法进行配准,实现全程自动化.实验证明,这种图像自动配准方法在拓宽了图像应用范围的同时保证了良好的配准效果.【总页数】11页(P438-448)【作者】鲁云飞;赵红颖;刘大平;晏磊【作者单位】北京大学遥感与地理信息系统研究所空间信息集成与3S工程应用北京市重点实验室,北京100871;北京大学遥感与地理信息系统研究所空间信息集成与3S工程应用北京市重点实验室,北京100871;北京大学遥感与地理信息系统研究所空间信息集成与3S工程应用北京市重点实验室,北京100871;北京大学遥感与地理信息系统研究所空间信息集成与3S工程应用北京市重点实验室,北京100871【正文语种】中文【中图分类】TP75【相关文献】1.一种基于改进SURF的遥感图像自动配准方法 [J], 吕健春2.基于改进ORB算法的遥感图像自动配准方法 [J], 张云生;邹峥嵘3.基于FAST和SURF的遥感图像自动配准方法 [J], 李慧;蔺启忠;刘庆杰4.基于先验模型优化的无人机遥感图像中几何轮廓目标检测方法 [J], 兰传琳;方佩章;何楚5.一种基于改进SURF的遥感图像自动配准方法 [J], 吕健春因版权原因，仅展示原文概要，查看原文内容请购买。

基于SURF的遥感图像配准优化算法

基于SURF的遥感图像配准优化算法
张天翼;刘鹏;史佳霖;毕誉轩;王彩霞
【期刊名称】《长春理工大学学报（自然科学版）》
【年(卷),期】2024(47)1
【摘要】针对遥感图像配准中易出现的信息量巨大和误匹配问题,通过改进SURF 算法,提出了一种用于遥感图像配准的优化算法。

优化算法引入特征点图像熵,通过去除携带信息量不足的误选取特征点,提高了特征点选取以及后续特征点匹配的准确性。

在特征点描述阶段,算法实现了描述子降维,并将降维后的特征点描述子与FLANN算法相结合,降低了算法特征点误匹配率,同时减少了因描述子降维而带来的影响。

实验表明,该优化算法相较于传统SURF算法,待配准图像特征点选取率下降10.9%,特征点误匹配率下降17.5%,并得到精确的遥感图像配准效果。

【总页数】7页(P98-104)
【作者】张天翼;刘鹏;史佳霖;毕誉轩;王彩霞
【作者单位】长春理工大学电子信息工程学院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于改进Harris-SURF算子的遥感图像配准算法
2.基于SURF与BRISK的遥感图像配准
3.基于小波域改进SURF的遥感图像配准算法
4.基于改进SURF算法的无人机遥感图像配准
5.基于SURF算子的遥感图像配准方法研究
因版权原因，仅展示原文概要，查看原文内容请购买。

基于SURF特征点的图像配准系统

基于SURF特征点的图像配准系统赵毅力;徐丹;潘志庚【期刊名称】《计算机应用》【年(卷),期】2011(031)0z1【摘要】提出一种基于SURF特征点的图像自动配准方法.首先在图像的尺度空间中提取特征点,然后对特征点进行亚像素定位,并赋予主方向.根据特征点邻域信息分布计算得到特征向量后,利用最近邻特征点距离与次近邻特征点距离之比得到初始匹配点对.然后使用RANSAC算法剔除错误匹配特征点对,同时计算得到图像之间的变换参数.实验结果表明该方法能够实现不同分辨率图像的自动配准.%An automatic image registration method based on SURF feature points was proposed. First, extracts the feature points from the scale space of the image, then locates feature points on the sub-pixel coordinates, and gives the main orientation. Initial feature points matching can be calculated by using the distance ratio of the nearest neighbor feature point and the next nearest neighbor feature point. Then RANSAC ( Random Sample Consensus) algorithm was used to match the initial feature points set, while calculating transformation parameters between the two images. The results show that the method can achieve robust automatic image registration between different resolution images.【总页数】3页(P73-75)【作者】赵毅力;徐丹;潘志庚【作者单位】西南林业大学计算机与信息科学系，昆明650224;云南大学计算机科学与工程系，昆明650091;浙江大学CAD&CG国家重点实验室，杭州310027【正文语种】中文【中图分类】TP391.41【相关文献】1.基于特征点的图像配准子系统的研究与实现 [J], 刘睿;姚素英;史再峰2.基于SURF特征点的图像配准系统 [J], 赵毅力;徐丹;潘志庚3.一种基于SURF特征点匹配的港口影像海陆分离方法 [J], 罗兴潮;黄文骞;李加群;林位衡4.基于精选SURF特征点的手指静脉识别算法 [J], 黄易豪;周颖玥;徐苏;刘银辉5.基于改进SURF特征点的模板匹配算法 [J], 吴清辉因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

2010 International Conference on Circuit and Signal Processing
Multi-Spectral Remote Sensing Image Registration Based on SURF
Yunfei Lu, Haimeng Zhao, Bo Li, and Lei Yan* Institute of Remote Sensing & Geographic Information System, Beijing Key Lab of Spatial Information Integration & Its Applications, Peking University,
摘要随着遥感应用的推广与深入，各行各业乃至大众对遥感的需求愈发强烈，这就给了遥感技术发展以十足的动力。但在遥感走向应用的过程中，往往先需要图像处理才能达到良好的应用目的。而图像配准在遥感图像处理中扮演了重要的角色。现有传感器越来越多，而多光谱传感器始终占据着不可替代的位置，多光谱遥感图像的应用领域也甚广。与此同时，如何能快速精确地实现多光谱遥感图像的配准，便成了急需解决的问题。本文通过对不同平台获得的多光谱图像进行配准实验，验证了 SURF 特征提取算法在多光谱遥感图像配准中的可行性，特别针对遥感图像数据量大、多光谱图像的亮度变化可以发挥很好的作用。
2．SURF 特征提取算法
SURF 是一种快速鲁棒性特征提取算法。它具有尺度不变性，旋转不变性。并且，相对于其它的主要特征提取算法，它的计算速度更快，更重要的是，它对亮度变化有很好的适应性。SURF 特征提取算法主要分为两个部分：特征检测和特征描述。特征检测中的积分图像决定了 SURF 算法的快速，而特征描述中的哈尔小波响应决定了 SURF 算法对亮度很好的适应性。
国家高技术研究发展计划（863）项目支持（课题编号： 2007AA12Z111）
通常，根据图像信息的不同，图像配准方法分为三类：一是基于像素值的图像配准，第二种是基于变换域的图像配准，第三种是基于图像特征的图像配准[4][5]。 (1) 基于像素值的图像配准方法
这是最早的图像配准方法。由于图像统计结果通常来源于灰度值，所以这种方法很容易受到亮度变化、旋转等因素的影响，并且计算时间长。另外，对于噪声的鲁棒性也较差[2]。 (2) 基于变换域的图像配准方法
关键词图像配准，遥感，多光谱，SURF
1．引言
图像配准是图像处理领域里的经典问题，同时也是图像分析过程中的关键一步[1]。图像配准是在不同时间、不同视角、不同传感器拍摄的图像间建立坐标转换关系的过程，它在图像融合、图像拼接、变化检测和目标识别等方面都发挥着至关重要的作用。因此，图像配准广泛应用于遥感中的图像分类、环境监测、气象预报，医学中的白内障监测、肿瘤生长、CT、疗法验证，军事中的信息集成系统，制图学中的地图更新，计算机视觉中的目标定位等众多方面[1]-[3]。于是，近几十年，许多研究者都致力于图像配准技术的研究并获得了大量成果。但图像自动配准仍旧是个图像处理领域中的难题。
图 1 积分图像对矩形区域求和示意图
(2) 特征检测
积分图像计算完成后，进行特征检测， SURF 算法的检测是基于 Hessian 矩阵的，因为其在检测精度方面有很大的优势。图像 I 中的一点 x = ( x, y ) ，在尺度 σ 上，点 x 的 Hessian 矩阵 H( x,σ ) 定义为：
第三步要建立尺度空间。尺度空间的建立是通过空间内分阶，阶内再分层来实现的。各个尺度的检测不需要其
633
它尺度的配合，即无迭代关系，彼此之间相互独立，只通过增大滤波器尺寸便可直接在原图上生成新尺度下的图像。从而，大大提高了算法效率，同时也保证了算法的尺度不变性。继而，在尺度空间中一个 3*3*3 的邻域内寻找极值点，每一个采样点要和它本身以及相邻层邻域内的共 26 个点比较，以确保在尺度空间和二维图像空间都检测到局部极值[9]。
并且，为了简化高斯函数，便于计算，所以采用方框
滤波器来近似替代二阶高斯滤波器。这在保证了性能的同
时，还提高了速度，进一步有利于遥感海量数据的处理。
1
1
-1
-2
1
-2
1
-1
1
1
2.1 快速性 (1) 积分图像
在 SURF 进行特征检测前，首先要计算积分图像。积分图像在点 x = ( x, y )T 的值表示输入图像的原点到点 p 之间的矩形区域内所有像素灰度值之和[9]。即：
这种方法由于在变换域中进行处理，所以对噪声具有较好的适应性。但对于其它不具有傅里叶变换特性的复杂变换，此种方法无能为力。所以，这种方法在图像配准中
978-1-4244-6782-2/10/$26.00 ©2010 IEEE 632
较为少用。 (3) 基于图像特征的图像配准方法
此方法是目前图像配准领域中最为普遍的一种方法。从 Harris 于 1988 年提出由 Moravec 算子发展而来的角点检测方法，到 Lindeberg[6]将 Hessian 矩阵引入到特征点检测中来，以及随后的复杂滤波，SUSAN 等，算法层出不穷。直到 2004 年，David G. Lowe[7]提出了 SIFT。SIFT 具有旋转不变性，尺度不变性，亮度不变性，很好的抗噪声能力。文献[8]指出，SIFT 的性能比以上各种算法都好。
Beijing, China (lyan@)
Abstract—As remote sensing breaking into all fields of professions, the needs of it are increasing, which give power to its development. However, before using the images, we must process them first. And image registration plays an significant role in remote sensing image processing. Now more and more sensors appeard, multi-spectral remote sensing images are used in widely application all the way. At the same time, for its characteristics of mass data and illumination variation, it is extremely urgent to find a way to register multi-spectral remote sensing images automatically and accurately. SURF is a kind of feature extraction algorithm with scale-invariation, rotation-invariation, illumination-invariation and speediness. This paper applied SURF on multi-spectral image registration in different platforms, and got satisfied results, which verifies the feasibility of SURF in multi-spectral image registration.
图 2 9×9 的方框滤波器[9]
图 2 中的方框滤波器为对σ = 1.2 的高斯函数的近似。方框滤波器与图像卷积后的值分别为 Dxx ， Dxy 和 Dyy 。进而得到 Hessian 矩阵的 Δ 表达式：
Δ( Happrox ) = Dxx Dyy − ( wDxy )2
(3)
式中的 w 表示滤波器响应的相对权重，在σ = 1.2 时， w 近似等于 0.9。
I∑ (6) + I∑ (2) − I∑ (5) − I∑ (4) 。从而，可以达到运算时间与区域大小无关的目的[9]。这样，在尺度空间生成时，大尺寸的滤波器不会对计算时间产生影响。这点，对于遥感图像的大数据量特点尤为重要，大大提高了算法的效率。
不过，无论哪种算法都需要在不同图像间寻找相似之处。尽管如此，没有一种通用算法可以适用于所有类型的图像。随着遥感技术的快速发展，遥感图像处理成为了遥感领域中一个重要的研究方向。遥感图像具有自己的特点。并且遥感平台也多种多样，其中有两种是最常见的，即航天遥感平台和航空遥感平台。多光谱遥感图像通常就是在不同的遥感平台上搭载成像光谱仪，其具有数据量大，不同波段灰度差异大等特点，SIFT 算法虽然可以适应亮度变化，但其计算速度较慢，对于海量数据来说，这成了影响配准效率的关键问题。所以，多光谱遥感图像对图像配准，尤其是自动配准提出了更高的要求。
i≤x j≤y
I∑ (x) = ∑ ∑ I (i, j)
(1)
i=0 j=0
如图 1 所示，积分图像在点 4 处即为 A+B+C+D，在点 5 处为 A+B+E。所以，在积分图像计算完成后，至多只需要三次加法运算，即可求出任意一点的像素值。例如，E 的像素值可以用 I∑(5) − I∑(2) 表示， F 的像素值为
配准图像
初匹配
剔除误匹配后
(2) 对无人机航拍的不同波段图像进行配准。
参考图像
待配准图像
3．实验分析与结果
首先，通过 SURF 算法在参考图像和待配准图像上提取特征点，用最近邻匹配法对其进行匹配，再结合 RANSAC 和最小二乘法剔除误匹配点得到变换关系，最后，使用双线性插值得到配准图像。本文中的实验都在以下环境中进行：CPU，GHz，512M 内存的 PC 机； Windows XP 操作系统，MATLAB7.1，VC6.0。