基于sift特征的图像配准(matlab源代码).docVIP

基于 SIFT 特征的图像配准（附 Matlab 源代码） 本文先给出了采用 SIFT 方法进行图像配准的实验原图以及实验结果，最后附上 Matlab 源代码。 实验一： 实验一的图像（见图 1.1）是本人自己拍摄的，然后由软件裁剪成 400×400 像素而成， 其中参考图像和待配准图像之间有重叠部分，且具有一定的旋转。这是一般难度的图像配准。 （图 1.1 参考图像（左图）和待配准图像（右图）） 经过筛选后的能作为配准控制点的 SIFT 匹配特征点对见下图 1.2 所示。 （图 1.2 经过筛选后的能作为配准控制点的 SIFT 匹配特征点对） 配准后的图像见下图 1.3 所示。 （1.3 配准后的图像） 实验二： 实验二的图像（见图 2.1）是本人自己在同一地点不同角度拍摄的，然后由软件裁剪成 600 ×450 像素而成，其中参考图像和待配准图像之间有重叠部分，且具有一定的旋转。这是具有 一定难度的图像配准。 （图 2.1 参考图像（左图）和待配准图像（右图）） 经过筛选后的能作为配准控制点的 SIFT 匹配特征点对见下图 2.2 所示。 （图 2.2 经过筛选后的能作为配准控制点的 SIFT 匹配特征点对） 配准后的图像见下图 1.3 所示。 （2.3 配准后的图像） 实验三： 实验三的图像（见图 3.1）是两幅 SAR 图像，大小为 400×400 像素，其中参考图像和待 配准图像之间有重叠部分，且具有一定的旋转。这是具有难度的图像配准。 （图 3.1 参考图像（左图）和待配准图像（右图）） 经过筛选后的能作为配准控制点的 SIFT 匹配特征点对见下图 3.2 所示。 （图 3.2 经过筛选后的能作为配准控制点的 SIFT 匹配特征点对） 配准后的图像见下图 3.3 所示。 （3.3 配准后的图像） 下面是 Matlab 源代码，共计 13 个*.m 文件和 1 个*.exe 文件，其中 siftWin32 .exe 文件需 要自行下载，下载链接为 /s/1pJL4SB5，需要*.m 格式的源代码的，到 /download/destiny0321/9204877 进行下载。 Zoo_main.m close all;clear all;clc; figure;zoo_drawPoints(im1,loc1,im2,loc2); im1=imread(image data\image3_1.jpg); Num=3;Thresh=0.85; im2=imread(image data\image3_2.jpg); match=zoo_BidirectionalMatch(des1,des2,Num ,Thresh); gray1=zoo_x2gray(im1); clear des1 des2 gray2=zoo_x2gray(im2); loc1=loc1(match(:,1),:); loc2=loc2(match(:,2),:); [des1,loc1]=zoo_sift(gray1); [des2,loc2]=zoo_sift(gray2); figure;zoo_linePoints(im1,loc1,im2,loc2); g=fopen(tmp.key,r); agl=zoo_getRotAgl(loc1,loc2); if g==-1 error(Could not open file tmp.key.); figure;zoo_drawRotAglHist(agl); end [header,cnt]=fscanf(g,%d %d,[1 2]); opt=zoo_optIndex(agl); if cnt~=2 loc1=loc1(opt,:); error(Invalid keypoint file beginning.); loc2=loc2(opt,:); end num=header(1); figure;zoo_linePoints(im1,loc1,im2,loc2); len=header(2); if len~=128 T=zoo_getTransMat(gray1,loc1,gray2,loc2); error(Keypoint descriptor length invalid im=zoo_imRegist(im1,im2,T); (should be 128).); end figure,imshow(im); loc=double(zeros(num,4)); des=double(zeros(num,128)); for k=1:num zoo_x2gray.m [vector,cnt]=fscanf(g, %f %f %f %f, [1 4]); function gra