图像配准是图像处理技术中一种基本方法,在许多领域都有着广泛的应用。最近几年,图像配准正广泛应用到除军事领域外的普通生活领域。在实际运用中,所选取的特征的准确度与提取速度成为了这一领域的难点,各种各样的方法参差不齐。在各种方法中,如何提高提取特征的准确度与特征融合后的质量成为研究的重中之重。SURF特征点提取算法是一种经典的特征提取算法,但在实际运用过程中,发现一些特征点会导致空间变换匹配时,由于外界因素的干扰,使特征点中会有一些冗余点,导致在匹配时准确率下降。针对此问题,本文提出了一种结合超像素分割和信息熵的SURF图像配准算法,通过信息熵值对超像素分割区域进行筛选去除冗余点,来实现图像配准。(1)研究了图像分块信息熵与SURF特征点个数之间的关系。对SURF算法进行了完整的介绍。引入图像均匀分块,计算图像块的信息熵值与SURF特征点个数,通过大量的实验数据比较分割后图像块中的SURF算子特征点个数与信息熵值的关系,发现熵值越大的图像块,其特征点个数相对较多,图像纹理相对尖锐,有些图像信息熵值较低,特征点个数极少,此特征点有可能是噪声点。(2)提出了超像素分割和信息熵的SURF图像配准算法。因为均匀分块图像不能很好的保留完整的图像纹理区域,所以算法首先进行了图像分割,得到的分割图像块,计算图像块的信息熵值。然后通过大量实验得到信息熵值的最优阈值,通过比较图像块信息熵值的大小,去除平滑图像块。对剩余图像块提取SURF特征点并进行匹配,这里的匹配方式使用的是RANSAC算法。实验结果表明,改进后的算法的特征点匹配对的准确率高,并缩短了图像陪准时间。(3)设计了图像配准系统。本系统功能包括本文改进后的算法与图像配准中所使用到的一些基本的图像处理功能。