基于SURF算子的图像配准和拼接matlab仿真

目录

1.算法概述

2.仿真效果

3.MATLAB仿真源码

---

1.算法概述

        传统的全景图像配准多采用基于SIFT的方法,该方法数据量大,时间效率低.提出了一种基于SURF的全景图像快速配准方法.运用SU RF提取特征点,计算特征描述符;运用低时间复杂度的K-D树最近邻搜索法实现特征点快速匹配;利用RANSAC算法剔除误匹配点;最后估计出两幅全景图像的变换矩阵.测试表明:算法具有较高的时间效率和良好的鲁棒性.

      “图像配准作为图像处理领域的关键技术之一,是图像拼接、立体视觉、变化监测、多传感器图像融合等实用技术的基础。图像拼接技术是图像配准的一种重要应用形式, 被广泛应用于虚拟现实、遥感图像处理、视频压缩和传输等领域。在图像拼接中，特征点的检测与描述是非常重要的一步，寻找一种鲁棒、快速的特征点检测方法对水下图像拼接来说至关重要。SURF 算法由 Bay 等人提出，该算法使用积分图像对图像进行卷积来提高运算速度，得到的特征点在鲁棒性、重复性和独特性等方面均具有较好优势。并且 Bay 等人已经证明了SURF 算法的快速性以及在计算机视觉领域的实用性。

        SIFT算法的过程实质是在不同尺度空间上查找特征点（关键点），用128维方向向量的方式对特征点进行描述，最后通过对比描述向量实现目标匹配。在sift中，是在特征点周围取16*16的邻域，并把该领域化为4*4个的小区域，每个小区域统计8个方向梯度，最后得到4*4*8=128维的向量，该向量作为该点的sift描述子。在surf中，也是在特征点周围取