基于SIFT的稳健多尺度图像配准方法研究

本项目拟基于尺度空间和不变量理论的特征（即SIFT特征）进行稳健多尺度图像配准方法研究。针对SIFT特征缺乏几何特性、高维描述子含有大量冗余信息、不合适的变换模型会导致误配、评价准则单一等问题，提出在尺度空间采用高斯加权邻域互相关矩阵检测特征点，研究SIFT描述向量几何降维和Kernel-PCA降维分析方法，结合几何特性构建特征点的多层描述；基于最小信息准则采用双向匹配策略建立模型选择的目标函数，解决多层次模型自动选择和参数优化问题；分析特征点的加权距离度量、角度差分布、协方差等多项约束条件，建立多约束的评价准则，对匹配模型的准确性、稳定性和一致性进行定量评价。本项目研究的预期成果是建立适用于相似、仿射、单应等变换下的稳定图像配准系统，在多源信息融合、差异监测、三维信息获取、目标识别等方面具有重要的研究意义和应用价值。