现有的图像配准方法,一般可分为两类:基于灰度的配准法以及基于特征的配准法。其中,后者由于其局部匹配的思想加快了配准速度,提高了配准效率,从而得到广泛的应用。SIFT算法正是其中一种特征点的匹配算法。本文提出了一种SIFT的改进算法,旨在减少原算法的运行时间和提高其匹配精度。近年来,基于SIFT算法的图像配准算法已逐渐成为图像配准中的经典算法之一。此算法用于匹配存在尺度变换、旋转变换、光照变化和视角变化的图像,能得到很高的准确率。然而,其提取的特征点数多,特征描述向量的维数高,导致运算时间长,效率不高。本文正是为解决这一问题,提出了此方法的改进方法。具体改进点包括以下两个方面:第一,将SIFT算子提取的尺度空间极值点作为初始特征点,然后用Harris角点检测算子对初始特征点进行筛选。选择具有高对比度的点作为最终的特征点。这样可以提高特征点的显著性,同时减少特征点的数目,为提高配准率做准备。第二,利用梯度方向相反时梯度模值相减的原理,将SIFT算法的特征描述向量的维数降低一半,即将每个特征点的128维描述向量改为64维的描述向量。这样可以节省特征向量匹配时的开销,加快图像配准的运算速度。基于特征点提取的图像配准方法的步骤为:提取特征点、生成特征描述子、查找特征匹配点对、配准图像。本文重点研究特征点提取和生成特征描述子这两步,并在SIFT算法的基础上,改进了特征点的提取方法和描述子的生成方式。本文在Microsoft Visual Studio 2008开发平台下,使用OpenCV库,对以上方法进行了开发和实现,构建了一个图像配准系统。最终的实验结果证明,本论文提出的改进算法确实能提高运算速度和配准率。