异源图像特征点边缘描述与匹配

针对红外与可见光图像中特征点匹配的难题,提出一种基于特征点邻域边缘的描述与匹配算法。首先采用基于曲率尺度空间的角点检测算法进行特征点提取；再对特征点邻域的边缘进行重组；其次求取特征点所在曲线的法线作为主方向,以避免图像的旋转代价；计算特征点邻域像素点的b-lbp算子的加权分布直方图；然后搜索相同边缘上最近的特征点并计算相应的直方图信息；再对两个直方图进行级联,构造出512维的ub-lbp联合描述子,并将其归一化；最后采用最近邻算法实现特征点匹配。实验结果表明,这两种描述子在红外与可见光图像特征点匹配方面较sift算法具有较高的正确匹配率,能够实现两种图像的精确匹配。