快速視網(wǎng)膜特征（ FREAK）描述子通過(guò)計(jì)算模式方向?qū)崿F(xiàn)了旋轉(zhuǎn)不變性，但對(duì)于旋轉(zhuǎn)尺度變化較大的情況匹配性能并不理想，誤匹配率較高，為此提出了一種改進(jìn)的基于FREAK描述子的精確圖像配準(zhǔn)算法。首先，對(duì)原有FREAK算法添加長(zhǎng)距離點(diǎn)對(duì)，設(shè)定距離閾值，只利用關(guān)鍵點(diǎn)采樣模式中距離較遠(yuǎn)的點(diǎn)來(lái)生成角度信息。其次，對(duì)Hamming距離進(jìn)行加權(quán)。對(duì)每一個(gè)關(guān)鍵點(diǎn)，在為了生成描述子選擇點(diǎn)對(duì)時(shí)，對(duì)訓(xùn)練數(shù)據(jù)描述子的每一列計(jì)算均值，越接近0.5的列權(quán)值越大，改進(jìn)了原來(lái)Hamming距離計(jì)算粗略的狀態(tài)，使距離計(jì)算更精確。最后，使用最近鄰匹配結(jié)合最近鄰和次近鄰的比值以及隨機(jī)抽樣一致（ RANSAC）方法進(jìn)行快速匹配和優(yōu)化。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法更適用于旋轉(zhuǎn)尺度變化較大的環(huán)境及匹配性能要求較高的場(chǎng)合。

　　目標(biāo)匹配、圖像拼接、3D重建、目標(biāo)識(shí)別等計(jì)算機(jī)視覺(jué)應(yīng)用都依賴于圖像配準(zhǔn)。圖像配準(zhǔn)的通用方法是提取圖像中的關(guān)鍵點(diǎn)進(jìn)行比對(duì)處理。尋找有效的關(guān)鍵點(diǎn)描述子，使其對(duì)尺變變換、旋轉(zhuǎn)變換、仿射變換和噪音等都具有較高的魯棒性，成為近十幾年的研究熱點(diǎn)。隨著大數(shù)據(jù)的發(fā)展和視覺(jué)算法在智能手機(jī)及嵌入式設(shè)備上的應(yīng)用，使描述子同時(shí)具備簡(jiǎn)潔的描述方式、良好的表征能力和快速的比對(duì)計(jì)算過(guò)程，成為新的研究趨勢(shì)。