近些年来,数字图像技术不断发展,针对计算机视觉的研究成果不断应用于各个领域,其中图像配准作为研究热点,更是在许多方面有着广泛的应用,包括图像拼接、变化检测、图像融合、地图绘制等。但是在图像配准中,由于成像时间以及成像角度的不同,图像会产生旋转、缩放、仿射等的变化,当这些变化较大时,就是本文需要研究的图像存在的几何畸变较大的情况,对于此种图像进行的配准会产生针对同一对象提取到的特征点少以及误匹配率较高带来的配准不准确或者配准失败的问题。因此,本文的具体工作如下:首先,对数据集进行制作与预处理。本文采用的数据集主要是针对大畸变图像进行配准的公测数据集5组以及自制数据集2组。将所采用的大畸变图像根据物体是否单一以及图像的经纬度变化进行分类,此外,考虑到实际情况中不可避免的噪声的存在会导致非常多的离群点,现有算法采用先滤波后配准的做法难以应对不同种类、不同等级的噪声,配准效率低时间长,算法鲁棒性不高。因此,将所采用的数据集分别加以不同种类以及不同等级的噪声。最终得到包含105个样本的数据集(35个加入不同等级的高斯噪声,35个加入不同等级的椒盐噪声,35个加入不同等级的斑点噪声)。其次,针对大畸变图像的配准问题以及所提出的算法要对噪声鲁棒性较强,本文提出了一种ASIFT-LIKE算法,此外,针对现有算法提取到的特征点分布不均匀,使得图像配准在部分区域效果差的问题,本文提出了一种DPP-RANSAC方法进行误匹配消除,将本文提出的方法对所采用的数据集进行特征点的提取以及配准。同时将相同的数据集应用于一般的大畸变图像配准算法(MSER算法、ASIFT算法、Harris-Affine算法、Hessian-Affine算法),根据实验结果进行比较。最后,综合配准点数量、配准准确率以及匹配点的分布情况等评估标准,证明了本文所提出的ASIFT-LIKE在大畸变图像配准上的有效性以及对于不同种类不同等级的噪声的鲁棒性,在保证能提取足够多的特征点的同时保证提取准确率,而且特征点分布更加均匀。