图像拼接方法是当前数字图像处理领域的研究热点，已经被广泛应用于计算机视觉领域目标识别、图像处理、测绘图像分析之中[1].随着图像拼接技术的不断进步，常见光图像已经无法满足实际应用的需求，采用红外成像技术虽然会受到强干扰的影响，但因依然能连续探测，得到了大众的广泛认可，并且被广泛应用于地形测绘等工作中.只是这些图像由于拍摄范围较广，在使用时需要进行拼接[2].文献[3]提出基于稀疏矩阵的空间分辨率影像快速拼接方法，对空间高分辨率影像进行特征选取与匹配，引入稀疏矩阵进行相邻位置特征信息的判断，提高拼接质量.但是该拼接方法所耗费的时间较长，且拼接后图像的信噪比较低，测绘图像的质量较差.文献[4]提出基于CUDA的图像拼接方法，对现有的SURF算法进行改进，并采用改进后的SURF算法进行拼接特征点提取，获取拼接特征点后采用CUDA二叉树进行递归拼接.虽然该方法的鲁棒性较强，但单特征点的提取相对误差较高，容易出现匹配错误的问题，拼接后的图像可用性较差.为减少图像拼接时长，提高拼接效率，本文提出基于改进尺度不变特征变换(scale-invariantfeaturetransform，SIFT)算法的地形测绘图像拼接方法，并通过实验验证该算法的合理性.1改进SIFT的地形测绘图像拼接方法地形测绘图像拼接，需先定位地形测绘图像关键点，然后进行特征提取，剔除错误匹配点，进行图像配准，进而完成地形测绘图像的拼接.1.1地形测绘图像关键点定位地形测绘图像关键点定位，需通过同一组相邻两层之间的图像进行对比分析才可完成.通过比较地形测绘图像中的特征点与相邻特征点，可确定图像关键点的极大值或极小值，采用拟合技术能够精准获得关键点的位置坐标[5-6].SIFT描述子生成过程具体如图1所示.1.2地形测绘图像特征点提取依据特征点检测模板（图２）提取地形测绘图像特征点.基于改进SIFT算法的地形测绘图像拼接方法李晶晶1,2（1.安徽矿业职业技术学院教务处，安徽淮北235000；2.安徽淮北煤电技师学院教务处，安徽淮北235000）摘要：为解决传统方法拼接地形测绘图像容易出现匹配错误的问题，以改进SIFT算法为基础研究一种新的地形测绘图像拼接方法.该方法通过对尺度不变特征变换（SIFT）描述子生成过程的分析改进，得到关键点的位置坐标；根据特征点检测模板中心点像素灰度的差值，提取地形测绘图像的特征点；计算目标匹配点的方向误差，通过构建直方图剔除错误的匹配点；使用高斯加权窗口对特征梯度值进行加权处理，获取特征描述子，对SIFT算法中的...
