采用SURF特征的图像拼接融合算法

采用SURF特征的图像拼接融合算法

ID:39314583

大小:558.58 KB

页数:5页

时间:2019-06-30

采用SURF特征的图像拼接融合算法_第1页
采用SURF特征的图像拼接融合算法_第2页
采用SURF特征的图像拼接融合算法_第3页
采用SURF特征的图像拼接融合算法_第4页
采用SURF特征的图像拼接融合算法_第5页
资源描述:

《采用SURF特征的图像拼接融合算法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、采用SURF特征的图像拼接融合算法121梁艳菊苏君陈大鹏(1中国科学院微电子研究所,北京,100029;2电子科技大学光电信息学院,成都,610054)【摘要】提出了一种采用SURF(SpeededUpRobustFeatures)特征的快速图像拼接融合算法。该方法利用SURF算子提取特定区域的图像特征;采用K-dimensional树最近邻搜索算法实现图像特征的精确高效匹配;利用RANSAC(随机抽样一致性)算法消除误匹配,优化图像空间透视变化参数;最后根据变换参数对齐图像,采用渐入渐出的图像融合方法实现图像的拼接。实验结果表明

2、,图像拼接效果良好,鲁棒性强,在时间效率上优于其他算法。关键词图像拼接;SURF特征;K-dimensional树;图像融合中图分类号TP391文献标识码:AImageMosaicAlgorithmUsingSURFFeature121LIANGYan-ju,SuJunandCHENDa-peng(1InstituteofMicroelectronics,ChinaAcademyofSciences(IMECAS),Beijing100029;2UniversityofElectricScienceandTechnologyofC

3、hina,SchoolofOptoelectronicInformation,Chengdu610054)AbstractAnfastimagemosaicschemebasedonSURFfeatureisproposed.Inthisscheme,SURF(SpeededUpRobustFeatures)isappliedtoextractfeaturesfromtheimages;K-dimensionaltreenearestneighborsearchingmethodisadoptedtomatchtheinteres

4、tpointsfastandprecisely;RANSAC(RANdomSAmpleConsensus)isexploitedtoeliminatethemismatchedfeaturepointsandoptimizetheperspectivetransformationparameterbetweentheimages;Gradatingin-and-outamalgamationalgorithmisusedtofusedtheimagetogetheratlast。Experimentalresultsshownot

5、onlytherobustnessandvalidityoftheproposedschemebutalsobettertimeefficientperformance.Keywordsimagemosaic;SURFfeature;K-dimensionaltree;imagefusion图像拼接技术可在不降低图像分辨率的条统拼接效果好,但计算量大,时间复杂度高。件下获取大视野场景图片,克服鱼眼镜头等设基于SURF特征的图像拼接算法在时间复杂度上备的不足,能应用于多种场景,已成为图像处有所降低,但仍然无法满足对图像拼接的实时[1

6、]理、计算机视觉等领域的重要研究课题。其性要求较高的应用场合。为提高图像拼接系统中,基于特征的图像拼接技术具有时间效率的时间效率,文中提出了一种基于SURF特征的高,匹配精度高,鲁棒性好等优点,研究和应具有较高时间效率的图像拼接融合方法。利用[2,3]用较广泛。SURF算子提取图像特定区域的特征点,并引入K-D(K-dimensional)树最近邻搜索算法进行常用于图像拼接的特征点提取方法有:[4][5,6][7]特征点匹配,提高了图像拼接的时间效率。Harris、SIFT、SURF等。其中,SIFT算法是一种鲁棒性好,具有尺度不

7、变性的角点检1SURF特征提取测方法,但SIFT计算数据量大、时间复杂度SURF是一种特征点提取算法,性能接近高。SURF算法较之SIFT在计算速度和鲁棒性[8]SIFT,计算速度提高了近3倍。SURF算法可分上有较大改进。基于SIFT算法的图像拼接系为两部,特征点检测与特征点描述符表示。基金项目:中国科学院知识创新工程重要方向项目(KGCX2-YW-148)作者简介:梁艳菊(1985-),女,博士研究生,主要从事图像拼接、目标识别方面的研究工作。1.1SURF特征点检测个点范围内进行非最大化抑制,得到特征点[9]集,最后进行三维

8、二次插值,对特征点实现亚SURF特征点检测在积分图像上进行。积Ix()像素级定位。分图像用符号表示。积分图像上点X(,)xy处的值代表以图像原点(0,0)和点X为图像拼接融合一般在存在重叠区域的图像对角顶点组成的长方形中的像素总和:间进行。为提

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。