为提高红外图像拼接速度和精度,对基于特征点匹配的图像拼接算法进行改进。根据图像空间特性减小角点搜索范围,通过设定梯度阈值,对梯度超过阈值的像素点进行Harris角点检测;改进Harris角点响应函数和角点筛选阈值的设定方式,摆脱了角点检测对筛选经验值的依赖。在相似测度Normalized Cross Correlation(NCC)粗匹配的基础上,采用有约束条件的随机选取方式,增强子集选取的合理性;并根据先局部后整体的匹配策略,基于匹配点的特性进行预检验,降低匹配错误率。算法最后利用最优变换矩阵

在一般的红外图像拼接过程中，采用传统随机抽样一致(RANSAC)方法，耗时往往会稍长。为了缩短图像拼接所耗费的时间，提出了基于尺度不变特征转换(SIFT)和改进RANSAC 的图像拼接方法。先通过SIFT 得到特征点和特征描述，然后用改进的RANSAC 对不匹配的特征点进行剔除，通过得到的变换矩阵完成图像的融合。在改进RANSAC 中，设置0.95 和0.85 两个阈值，少量迭代后，选择跳出循环、重新选择或者计算出新的迭代次数，新的迭代次数必定比传统迭代次数小，因而达到减少时间的效果。红外图像拼