图像处理包括图像的镶嵌、拼接、配准等,而图像配准在图像处理领域占据着非常重要的地位,图像配准指的是拍摄时间间隔较大、多个传感器存取等获得的两幅或多幅图像经过处理后进行配准或镶嵌的过程,这一技术被广泛应用于运动估计、血管造影、遥感数据分析等领域。随着人们对图像配准实时性与配准精度要求的不断提高,研究者提出了很多配准算法,如基于图像区域灰度配准、基于图像特征配准和基于图像混合模型配准等,在所有图像配准算法中,本文重点研究SIFT算法配准,SIFT算法的鲁棒性和配准率是同类算法中最好的,由于其优良的特性,基于SIFT算法的配准技术愈来愈受到科研人员的重视,本文着重对SIFT算法进行改良,使其能够更准确地进行图像配准。本文首先介绍图像配准技术的基本技术和理论,并对相关方法进行了系统性分析并指出了不足之处;然后介绍图像配准鲁棒性最好的SIFT算法原理与实现过程,提出相应的改进措施,包括:1)在图像提取边缘响应阶段加入“中心因子”,使得在图像中相对光滑区域SIFT算法也能够提取到特征点,这样特征点可以最大程度代表图像整体信息;2)在SIFT算法的基础上,论文添加了可以剔除SIFT算法误配准的Delaunay三角剖分算法,并通过时间复杂度分析,选取了最合适提取图像三角网格的逐点插入法中的Bowyer-Watson算法,同时依据三角形的相似特性,进一步剔除SIFT算法所提取出的特征点;另外为了使算法更加完善,本文分析了产生Delaunay三角网格交叉现象的原因,应用Top K算法很好地解决了这一问题;并在Bowyer-Watson算法中利用游程平移、图的最短路径、优化配准三角形描述集等操作剔除SIFT算法中的误配准点,并详细描述了该混合模型算法的实现细节以达到配准两幅图像的目的。无论是实验结果还是数据分析都表明该算法可以提取出一定量的目标物体中心处和光滑处的特征点,并且Bowyer-Watson算法所占整个算法的时间不超过50%,具有一定合理性,同时实验结果也证实了本文配准算法的精确性、快速性和稳定性。