由于待匹配图像存在视场差别且像素灰度存在非线性差异，异源图像在匹配过程中存在特征点稳定性弱、分布不均匀、匹配质量差等问题，基于此，提出了一种基于尺度不变特征变换（SIFT）算法的图像特征点匹配算法。首先，特征点检测时，在尺度空间设置权重系数对各层图片分别设置网格，并结合图像的相位响应强度图采用四叉树的方法筛选出均匀分布且稳定的特征点。其次，重新构建了描述子，并以标准化欧氏距离代替欧氏距离对特征描述符进行度量，采用双向匹配策略进行粗匹配。最后，以随机抽样一致性（RANSAC）算法进行提纯。实验结果表明，所提算法可以提取到异源图像间可靠稳定的特征，提高特征点匹配的准确性。

针对异源图像配准中传感器物理特性差异造成的待匹配特征维度较高、稳定性较弱、配准质量较差等问题,提出一种基于尺度不变特征变换(SIFT)的异源图像配准方法。该方法首先结合相位一致性和改进的SIFT算法获得稳定的特征,然后利用最近邻距离比方法进行初匹配,接着提出了一种联合误差与欧氏距离(JEED)方法进行再匹配,最后采用模式搜索尺度不变特征变换(MS-SIFT)方法优化匹配点对以提高图像配准质量。实验结果表明,相比于现有方法,所提方法能够提取可靠稳定的特征,获得了较高配准质量,同时提高了配准算法的实时性。

针对 SIFT算法的图像配准耗时长的问题, 提出一种 CSS-SIFT复合图像配准算法。 CSS-SIFT算法首先使用 CSS算法检测图像特征, 然后, 使用优化的 SIFT算法生成并降维图像特征描述子, 最后, 使用基于欧式距离和曼哈顿距离的优化双向匹配算法对图像特征进行匹配。仿真实验条件是通过计算机中仿真软件进行仿真实验, 统计图像特征数目、匹配数目、正确匹配数目、配准准确率、配准时间与配准时间下降率共 6个指标数据, 统计结果表明, CSS-SIFT算法在图像配准准确度方面与传统 SIFT算法、传统 SURF算法、Forstern-SIFT算法、Harris-SIFT算法、Trajkovic-SIFT算法相当, 但在图像配准耗时方面分别降低了 58.45%、10.68%、14.84%、16.21%与 4.63%, 为图像配准提供了一种解决方案。

在行星探测任务中,针对尺度不变特征变换(SIFT)算法计算量大,无法同时满足对导航算法准确性和实时性要求的问题,提出了一种基于快速高斯模糊的并行化SIFT算法,即FG-SIFT算法。首先,将算法中构建高斯金字塔的二维高斯核函数分离成两个一维高斯函数,降低算法的计算复杂度。然后,对于每一维高斯函数,使用两个无限脉冲响应滤波器串联进行逼近,进一步减少计算量。最后,利用并行化处理的优势,设计算法各部分的并行化计算方案。仿真结果表明,FG-SIFT算法的计算效率相较于原SIFT算法平均提高了15倍,相较于没有使用快速高斯模糊的SIFT算法,在图形处理器上的运行效率也有近2倍的提高,很大程度上减少了特征点提取的计算时长,提高了算法的实时性。

在数字图像处理领域中,尺度不变特征变换(SIFT)算法是特征点识别的代表性算法。以开放运算语言(OpenCL)并行计算为加速手段,建立了基于改进的SIFT算法的双目测距系统,深入研究了如何加快SIFT算法的运算速度。在加快SIFT算法方面,选取了积分均值模糊,并利用OpenCL对其进行并行加速,对算法进行并行优化后,使之能够在NVIDIA GPU硬件平台上进行实现。在获取精确视差方面,对原SIFT匹配方法进行了改进,极大地提高了匹配效率。此外,构建了双目测距异构计算实验平台,并进行实验。实验平台对采集的图像进行了实时处理,验证了基于SIFT算法的并行加速计算的可行性,同时可以直观地看到中间计算过程和测距的结果。实验结果表明,本文方法与已有的加速优化工作相比,计算时间消耗比原方案要少得多。

针对SIFT算法的图像配准耗时长的问题, 提出一种基于压缩感知的图像配准算法。首先, 使用FAST算法提取图像角点, 然后, 使用SIFT算法生成角点描述子并使用压缩感知原理降维, 最后, 使用双向匹配算法进行匹配。通过实验数据分析, 基于压缩感知的图像配准算法在图像配准准确度方面与传统SIFT算法、传统SURF算法、文献

针对综合孔径数字全息, 研究了散斑噪声对基于特征点匹配的图像配准精度的影响。建立了数字离轴全息实验装置, 利用尺度不变特征变换(SIFT)算法和快速稳健特征(SURF)算法提取待配准图像和参考图像的特征点, 采用欧氏距离最邻近法进行特征点匹配; 在此基础上采用抽样一致性最大似然估计算法估计图像变换模型参数。实验结果表明, SIFT算法的抗噪性更好; 对于SIFT算法, 当散斑信噪比大于1.4时, 配准相对误差小于0.02; 对于SURF算法, 当散斑信噪比大于1.7时, 配准相对误差小于0.05。

针对野外大视场、远距离、随机出现的特征相同多物体定位的实际需求，构建了基于双目立体视觉原理的三维坐标测量系统。为了高精度定位随机出现的特征相同多物体，需要正确匹配多物体同名点，因而提出了一种基于Delaunay三角剖分和仿射约束的立体匹配方法。利用具有抗仿射变换的仿射尺度不变特征变换(ASIFT)算法获得左右背景图像匹配点；通过Delaunay三角剖分算法对抽样后的匹配点生成三角网格，对左右图像每一对匹配三角形区域计算仿射矩阵；根据多物体同名点在不同匹配三角形内的分布，利用仿射约束实现对多物体同名点的匹配。实验结果表明，提出的方法对特征相同多物体同名点实现了快速高精度的匹配，多物体同名点提取以及实时匹配时间约为30 ms，满足相机25 frame/s的实时处理要求，较好地解决了超大三维空间中弧形坡面上随机出现的特征相同多物体同名点的匹配问题。

针对双目视觉测量中的立体匹配问题，提出了一种基于主成分分析(PCA)算法和尺度不变特征变换(SIFT)匹配算法相结合的双目视觉立体匹配新方法。该系统以GSI 编码点为特征点，利用双目相机对以散斑为背景的编码标识板进行成像，利用PCA 算法与SIFT 算法结合的新算法对采集的图像进行特征提取与匹配解算。可实现对GSI 编码点特征的准确提取和立体匹配,并测量出不同位姿下特征点之间的精确位移。实验验证部分引入GSI 编码技术并在行程为1000 mm×1000 mm 二维高精度平移台上进行，实际测得位移的绝对误差在5×10^-2 mm 之内，验证了该系统的高精确性。

提出一种利用多尺度特征的无人飞艇遥感平台获取的序列航拍图像生成密集匹配视差图像的方法。运用尺度不变特征变换(SIFT)算法从两幅相邻图像中提取特征点，基于欧氏距离进行粗匹配,并通过缩小搜索范围提高粗匹配效率，再通过随机抽样一致性(RANSAC)算法估计基础矩阵，利用对极几何约束关系剔除误匹配，进行精确匹配，提高匹配的稳健性和精度，然后利用区域生长算法进行特征点密集匹配生成相应视差图像。实验表明算法在保持稳健性的同时，可以降低时间复杂度，获得相当规模的密集匹配点，得到良好的可视效果。