【作者】 吴一全1； 2； 3； 沈毅1； 陶飞翔1；

【机构】 1.南京航空航天大学 电子信息工程学院, 江苏 南京 210016； 2. 农业部农业信息技术重点实验室，北京 100081； 3. 江西省数字国土重点实验室, 江西 南昌330013；

【摘要】 SURF(Speed Up Robust Features)算法是对尺度不变特征变换(Scale Invariant Feature Transform, SIFT)算法的一种改进，应用到遥感图像匹配领域中可以大大提高匹配速度，但是匹配精度略有下降。为此，本文提出了一种基于无下采样Contourlet变换(Nonsubsampled Contourlet Transform, NSCT)和SURF的遥感图像匹配算法。首先使用NSCT分别分解参考图像和待匹配图像，得到各自对应的低频分量；然后把这两幅低频分量图像作为SURF算法的输入图像进行预匹配，降低高频噪声对匹配结果的影响；最后利用预匹配结果求解变换模型的参数，并采用随机抽样一致RANSAC (Random Sample Consensus)算法剔除误匹配点对，解决了SURF算法存在的错误匹配问题。大量实验结果表明，与SIFT算法、SURF算法相比，本文所提出的算法具有更高的匹配精度和更快的匹配速度，且抗旋转、噪声、亮度变化能力更强。 更多还原