An Improved SURF Algorithm based Image Registration Method

图像配准技术作为图像处理和计算机视觉领域内的基础性技术在很多领域得到广泛的应用，而基于特征点的图像配准方法由于可以有效地提取出图像中的局部特征，可以应对局部遮挡、物体变形等等局部信息的丢失，在配合有效的模型估计方法，可以得到很好的图像配准效果。由于相机间可能存在的旋转、平移、焦距变化等等运动，检测出的特征点必须可以有效的应对这些图像间的变换，也即表现出旋转、平移和尺度变化不变性，SIFT/SURF算法就是满足这些特性的优秀特征点检测和描述方法。 然而，为了取得较为理想的算法效果，SIFT/SURF算法首先建立尺度空间，在尺度空间中检测特征点，由于尺度空间存在大量的冗余信息，尺度空间中的特征检测会耗费大量的计算时间。为了改进特征检测的性能，在仔细研究特征点检测方法的基础上，发现显著的特征点在图像中的分布特性，其分布和图像熵存在较大的相关性，于是使用图像分块熵作为一种估计方法来对特征点的分布作估计，通过去除部分特征点较为稀疏的区域来减少特征检测的计算量，提高了特征检测的性能。对于SURF算法中特征点主方向的计算过程中的重复计算部分，使用区域划分的方法予以避免，极大的提高了主方向计算性能。最后，对特征描述向量和一些算法参数作了相应的调整。通过实验发现，改进后的方法在性能和最终匹配效果上都要好于原始的SURF算法，取得了良好的配准结果