大失配影像配准新法：Harris-Affine与SIFT互补特征融合

本文探讨了"基于Harris-Affine和SIFT互补特征的图像自动配准"这一主题，由张磊、杨华超和姚国标共同合作，他们都是中国矿业大学江苏省资源环境信息工程重点实验室的研究人员。该研究旨在解决单一特征匹配在处理大失配影像时可能面临的局限性。 Harris-Affine特征是一种用于检测图像局部区域兴趣点的特征，它在一定程度上能够抵抗图像的平移、缩放和旋转等变换。然而，对于严重的失真或光照变化，单纯依赖Harris-Affine特征可能会导致匹配不准确。因此，作者提出了一个创新的策略，即结合Harris-Affine特征和SIFT（Scale-Invariant Feature Transform）特征，后者因其尺度不变性和旋转不变性而被广泛用于图像匹配。 在他们的方法中，首先对Harris-Affine特征进行匹配，通过计算最邻近距离与次邻近距离的比例来初步确定匹配点对。这种策略有助于筛选出更可靠的部分匹配。接下来，作者引入了基于投影变换模型的全局一致性粗差检测技术，用于剔除错误的匹配点对，确保后续步骤的准确性。 在单应矩阵的估计过程中，作者在Harris-Affine特征匹配的基础上，进一步在单应映射的约束下进行SIFT特征的匹配。这种方法能够充分利用两种特征的优势，提高配准的稳定性和精度。经过验证，这个互补特征的组合方案在处理大失配图像时表现出色，能够显著增加匹配点对的数量，从而提升整体的图像配准效果。 关键词包括：图像配准、Harris-Affine特征、SIFT特征、单应矩阵和投影变换。这项工作对于提高图像处理技术的鲁棒性和准确性具有重要的理论价值和实践意义，特别是在遥感和摄影测量等领域，对于大规模、复杂场景下的图像对齐有着显著的优势。通过这篇首发论文，作者们为解决图像自动配准中的挑战提供了一种有效的新方法。