强大的光学和SAR多传感器图像配准

针对基于点特征和线特征配准SAR图像和光学图像的不足，提出了一种基于闭合区域特征的自动配准方法。通过对SAR图像和光学图像进行图像分割提取闭合区域，利用仿射不变矩对闭合区域进行匹配，提取经配对闭合区域的质心作为同名点，实现了高分辨率SAR图像和光学图像配准，取得了较好的配准结果。

异源图像配准文章和方法，对图像配准做了简单的理论知识介绍，病介绍了多种异源图像配准方法，可用于医疗、军事等领域

imreg_dft 项目状态 imreg_dft已达到稳定状态。 这意味着，尽管您不会看到很多提交，但该项目并未结束，没有任何未解决的问题，人们也没有抱怨。 计划在2017年第3季度增加一些完善的功能。 在那之前，我将花时间在-如果您编写Shell脚本，则可能要检查一下。 概述 使用离散傅立叶变换进行图像配准。 给定两张图像， imreg_dft可以计算缩放比例，旋转的角度和所成像特征的位置。 有了您的要求，您可以在大约五分钟内开始对齐图像！ 查看 （出血边缘）或 （带有图像）上的文档。 如果您是教育过程中与阶段相关性相关的一部分（无论您是学生还是老师，都ird-show ），那么imreg_dft项目中的ird-show实用程序可以帮助您理解（或解释）相位相关过程是如何工作的。 如果您是研究人员，并且数据方法存在问题，则可以使用ird-show轻松找出导致问题的原因。 特征 图像预处

基于改进Harris-SURF算子的遥感图像配准算法

图像配准是计算机视觉中诸多问题的基础，基于图像特征的配准方法仍然是该领域的研究热门。为了提高算法的效率，拥有更好的实用性，提出了一种基于FAST-DAISY的遥感图像配准方法。首先运用FAST算法提取特征点，提出分配主方向的方法，利用DAISY算法建立描述符，得到特征点集后，使用RANSAC（随机抽样一致性）算法剔除误匹配点对，最终估计仿射变换参数，利用二次线性插值法得到配准后的遥感图像。实验结果表明，算法对于平移、旋转、灰度差异、地物差异、位置差异、小尺度差异和噪声干扰的遥感图像有较好的配准效果，匹配时间通常介于SIFT与SURF-DAISY算法之间，算法在实用性上有较大优势。

矩阵理论,我们用其中的矩阵分析的方法在实际的工程的应用写成的一篇学术论文,仅供参考。

Speeded Up Robust Features（SURF，加速稳健特征），是一种稳健的局部特征点检测和描述算法。最初由Herbert Bay发表在2006年的欧洲计算机视觉国际会议（Europen Conference on Computer Vision，ECCV）上，并在2008年正式发表在Computer Vision and Image Understanding期刊上。

提出了一种基于局部特征描述的多模态视网膜图像配准方法，该方法采用圆环结构划分关键点周围区域，通过局部梯度方向直方图构造特征描述子，并对所提取的特征向量进行规范化。实验证明，该算法在多模态视网膜数据集上提高了配准的成功率，相比于经典算法提高了算法的速度和鲁棒性。

压缩包中包含sift和surf的图像配准，先用sift或者surf特征提取，然后进行特征匹配，最后还用RANSAC进行误匹配剔除。sift是在Lowe官网源码上进行更改，surf直接使用MATLAB自带函数detectSURFFeatures()。