36、图像配准与星模拟器光源系统技术解析

图像配准与星模拟器光源系统技术解析

图像配准算法

图像配准概述

图像配准是寻找不同时间、视角或传感器获取的同一场景的多个图像中所有点之间的对应关系，并进行空间变换处理，使各图像在几何上相互对应的过程。其应用广泛，涵盖计算机视觉、模式识别、医学图像分析、遥感图像处理和图像融合等领域。图像配准方法主要分为基于灰度信息和基于特征的配准，基于特征的配准因具有良好的鲁棒性和对图像变换的适应性，应用越来越广泛。

现有算法及问题

• SIFT 算法 ：由 Lowe 提出，结合了尺度不变区域检测器和基于检测区域梯度分布的描述符，对图像平移、旋转和缩放具有不变性，对光照变化、噪声和仿射或 3D 投影部分不变。但描述符维度高，在匹配步骤计算效率低，不适合实时应用。
• SURF 算法 ：由 Bay 等人提出，在重复性、独特性和鲁棒性方面近似 SIFT，但计算和比较速度更快。它通过积分图像进行图像卷积、使用快速 Hessian 矩阵进行检测和 Haar 小波响应进行描述符计算。然而，通过贪婪最近邻搜索进行匹配时速度较慢。
• FAST 算法 ：由 Rosten 等人提出，特征检测速度极快，但不具有图像尺度不变性，对噪声和光照变化敏感。

新算法提出

基于上述算法的优缺点，提出了一种基于 FAST 角点检测、SURF 描述向量和快速近似最近邻搜索算法的图像配准算法。

特征检测

构建高斯图像金字塔