摘要：針對傳統SIFT(Scale Invariant Feature Transform)配準算法中存在的特征點正確匹配率低,配準效果較差的問題,提出了一種新的自適應分數階SIFT算法用于圖像配準。首先根據圖像的梯度模值和信息熵構建自適應分數階的數學模型,自動計算每個像素點的最佳分數階階次;其次基于最佳分數階階次構造自適應分數階微分掩模,并將其融入到SIFT算法中,提取到更多精確有效的關鍵點,從而提高了SIFT算法的精度;在SIFT算法的特征點匹配階段,進行相似性度量時,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系的問題,進一步提高特征點匹配的準確率;并使用改進的隨機樣本一致性算法(Random Sample Consensus,RANSAC)進一步減少誤匹配的特征點對;最后根據匹配的特征點對求解空間變換矩陣,從而實現圖像配準。驗證結果證明:本文算法的匹配精度較高,配準的質量也得到較明顯的提升。