基于SIFT算法在图像配准上的应用研究和实现

图像匹配有很多的局部描述子算法,即寻找图像间的对应点和对应区域。局部特征在很多应用中都有重要的作用,比如创建全景图、增强现实技术以及计算图像的三维重建。SIFT特征包括兴趣点检测器和描述子。SIFT描述子具有非常强的稳健性。SIFT特征对应尺度、旋转和亮度都具有不变性,因此它可以用于可靠匹配。图像配准时对图像进行变换,使得变换后的图像能够在常见的坐标系中对齐。配准可以是严格配准,也可以是非严格配准,为了能够进行图像对比和更精细的图像分析,图像配准是一步非常重要的操作。本文针对SIFT(scale invariant feature transform)算法在图像配准上的应用进行研究和实现。RANSAC是"Random Sample Consensus"(随机一致性采样)的缩写。该方法是用来找到正确模型来拟合带有噪声数据的迭代方法。给定一个模型,例如电机之间的单应性矩阵,RANSAC基本的思想是,数据包含正确的点和噪声点,合理的模型应该能够在描述正确数据点的同时摒弃噪声点。我们经常使用该约束将很多图像缝补起来,拼成一个大的图像来创建全景图像。