1、圖像配準(zhǔn)是遙感、醫(yī)學(xué)、計算機視覺等很多領(lǐng)域中的一個基本問題。在遙感領(lǐng)域，圖像配準(zhǔn)是實現(xiàn)圖像融合、變化檢測、圖像校正、圖像鑲嵌等應(yīng)用中必不可少的一個關(guān)鍵步驟。由于遙感信息量大，應(yīng)用范圍廣，因此實現(xiàn)自動配準(zhǔn)一直是人們追求的目標(biāo)。 提取和匹配圖像特征點是實現(xiàn)圖像自動配準(zhǔn)的一種重要方法。本文首先對各種常用的特征檢測算法進行研究。在詳細分析各算法的優(yōu)劣之后，確定SIFT（尺度不變特性變換，Scale Invariant Feature T

2、ransform）作為無人機遙感圖像配準(zhǔn)中使用的特征點提取算法。SIFT是一種多尺度特征提取方法，通過構(gòu)建高斯差分尺度空間（DOG，Difference of Gaussian scale-space）算法擁有很好的特征提取能力。同時算法還能夠產(chǎn)生SIFT特征用以表述特征點信息。SIFT特征對圖像的尺度變化和旋轉(zhuǎn)是不變的，而且對光照的變化和圖像變形具有較強的適應(yīng)性，有利于后續(xù)的特征點匹配。因此SIFT在遙感領(lǐng)域，實現(xiàn)圖像融合、變化檢測、

3、圖像校正、圖像鑲嵌等領(lǐng)域有很廣泛的應(yīng)用。 由于SIFT算法只考慮點的局部的特征信息，沒有分析匹配后特征點對集合的幾何分布信息，導(dǎo)致存在部分誤匹配特征點。為了提高特征點的匹配精度，減少誤匹配點，本文使用矩和馬氏距離對SIFT算法得到的結(jié)果進行再處理得到改進的特征點對。利用矩和馬氏距離處理的對象的層次不同，構(gòu)建一個多尺度的多次匹配算法。最后利用新的特征點對進行圖像的配準(zhǔn)。與已有的相關(guān)工作相比，該方法可以得到更多更精確的匹配特征點。數(shù)