一种改进的加速稳健特征图像配准算法

针对传统的加速稳健特征配准算法存在计算复杂、配准精度不高、鲁棒性差等不足,文中提出了一种改进的加速稳健特征配准算法。通过构建尺度空间及计算Hessian矩阵的极值筛选出稳定的特征点,利用二进制稳健独立基本特征描述子对特征点进行描述,并通过几何约束算法对随机一致性抽样算法进行改进,实现了匹配点对的提纯,求出单应矩阵并应用于待配准图像。研究结果表明:文中的算法相较于加速稳健特征配准算法,在噪声环境下配准偏移下降了13.8%,仿真实验中配准偏移平均下降了14.7%,配准时间平均降低了15.63%,表现出优良的抗噪性、准确性及实时性。