摘要：針對(duì)傳統(tǒng)SIFT(Scale Invariant Feature Transform)配準(zhǔn)算法中存在的特征點(diǎn)正確匹配率低,配準(zhǔn)效果較差的問(wèn)題,提出了一種新的自適應(yīng)分?jǐn)?shù)階SIFT算法用于圖像配準(zhǔn)。首先根據(jù)圖像的梯度模值和信息熵構(gòu)建自適應(yīng)分?jǐn)?shù)階的數(shù)學(xué)模型,自動(dòng)計(jì)算每個(gè)像素點(diǎn)的最佳分?jǐn)?shù)階階次;其次基于最佳分?jǐn)?shù)階階次構(gòu)造自適應(yīng)分?jǐn)?shù)階微分掩模,并將其融入到SIFT算法中,提取到更多精確有效的關(guān)鍵點(diǎn),從而提高了SIFT算法的精度;在SIFT算法的特征點(diǎn)匹配階段,進(jìn)行相似性度量時(shí),增加了余弦相似性約束,解決了歐式距離不能夠判定特征向量的空間位置關(guān)系的問(wèn)題,進(jìn)一步提高特征點(diǎn)匹配的準(zhǔn)確率;并使用改進(jìn)的隨機(jī)樣本一致性算法(Random Sample Consensus,RANSAC)進(jìn)一步減少誤匹配的特征點(diǎn)對(duì);最后根據(jù)匹配的特征點(diǎn)對(duì)求解空間變換矩陣,從而實(shí)現(xiàn)圖像配準(zhǔn)。驗(yàn)證結(jié)果證明:本文算法的匹配精度較高,配準(zhǔn)的質(zhì)量也得到較明顯的提升。