红外与可见光图像匹配：基于角点检测的新算法

本文主要探讨了一种基于角点检测的图像匹配算法，该算法用于解决红外图像与可见光图像之间的特征点匹配问题。文章指出，由于红外与可见光图像的特性差异，特征点匹配存在挑战。作者提出了一个流程，包括角点检测、伪角点剔除、特征点描述子构建、主方向确定、归一化处理以及利用极线约束的双向匹配策略。 在角点检测阶段，算法首先在曲率尺度空间中检测图像在不同尺度下的角点，这是通过分析图像局部结构的变化来实现的。接着，通过泰勒级数分析排除那些非稳定的点，确保选取的特征点位置准确且数量合适。这一过程有助于提高匹配的稳定性。 在构建特征点描述子时，考虑到红外与可见光图像的梯度可能存在的翻转现象，算法对特征点邻域内的梯度方向进行角度限制修正，并采用就近投影的方法，以保持梯度信息的一致性。通过对梯度方向进行统计，形成梯度方向直方图，从而确定特征点的主要方向。然后，构建一个64维的特征点描述子，通过归一化处理增强描述子的鲁棒性，使其在面对光照变化、噪声等干扰时仍能保持良好的匹配性能。 最后，算法应用极线约束原理，有效地缩小了特征点匹配的搜索范围，设计了双向匹配策略。这种策略不仅减少了计算复杂性，还提高了匹配的精度和效率。实验结果显示，该算法在旋转、噪声、尺度变化以及亮度变化等条件下，都能实现良好的红外与可见光图像匹配效果。 关键词：曲率尺度空间、角点检测、特征描述子、图像匹配 中图分类号：TP391 文献标识码：A 国家标准学科分类代码：510.4050 该文提出的基于角点检测的图像匹配算法，通过一系列精心设计的步骤，成功地解决了红外与可见光图像间的特征匹配问题，为跨模态图像处理提供了一种有效的解决方案。