题目：多尺度图像配准算法研究

数字图像配准技术是近年来发展迅速的数字图像处理技术之一，是对包含同一场景的两幅图像进行对准并确定彼此对应关系的图像分析和处理技术。图像配准理论由美国于上世纪七十年代提出，至今的几十年间得到了长足的发展。图像配准已广泛应用于军事工业、机器视觉、模式识别等众多领域，是数字导航、地图与地形匹配、运动检测、资源分析等众多领域的技术基础。本文在总结了国内外图像配准算法研究的基础上，主要针对旋转和多尺度缩放形变的图像配准问题进行了研究。本文采用先粗匹配再精匹配的策略提高了匹配算法的速度，同时保证了算法的精度。提出了一种基于改善的尺度不变特征变换(SIFT, Scale Invariant Features Transform)的图像配准算法，实现了任意旋转角度和4倍尺度以内缩放形变下的同模态图像之间的精确配准。为解决存在任意角度旋转和大尺度缩放的图像配准问题，本文采用金字塔式由粗到精的二级匹配策略。在粗匹配阶段，首先采用对数极坐标变换(LPT, Log-Polar Transform)将图像的旋转和缩放变换映射成水平和竖直方向的平移变换；通过模板匹配算法求解该平移变换参数，继而求得原图像的旋转和缩放参数，初步校正待配准图像，缩小待配准图像与基准图像的形变差距。在精匹配阶段，首先将校正后的图像分块，根据信息熵原理选取特征丰富的子图像代替原图像提取特征点；其次，在子图像的尺度空间计算特征点的SIFT特征和矩特征，构造新型的特征描述符；通过计算两组特征描述符的欧氏距离，初步得到两组特征点的一一对应关系。最后，采用Procrustes迭代算法删除错误的匹配特征点对，根据仿射变换模型估计图像的旋转和缩放形变参数，完成图像配准。实验结果表明，该算法速度快、稳定性强、并能达到亚像素级的匹配精度。