改进的基于特征点的图像拼接融合算法.pdf

《改进的基于特征点的图像拼接融合算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第31卷第1期兰州交通大学学报Vo1．31No．12012年2月JournalofLanzhouJiaotongUniversityFeb．2012文章编号：1001—4373(2012)01-0089_04改进的基于特征点的图像拼接融合算法宗岩，王阳萍，刘萍(兰州交通大学电子与信息工程学院，甘肃兰州730070)摘要：在传统SIFT算法的基础上对图像拼接中的特征匹配和图像融合2个关键部分进行了改进．在特征匹配阶段，运用聚类的思想粗匹配特征点对，再由Ransac算法精确提纯；并在融合部分提出了基于特征点对的最佳缝合线融合方法．试验表明：改进后算法效率有较大提

2、高，并能有效去除运动重影现象．关键词：图像拼接；图像融合；最佳缝合线；全景图；多分辨率拼接中图分类号：TP391．41文献标志码：A图像．0引言1SIFT特征匹配图像拼接是将数张有重叠部分的图像拼成一幅大型的无缝高分辨率图像的技术．图像配准和融合1．1SIFT算子介绍是图像拼接的关键．目前，国内外已经提出了多种图SIFT算子是DavidG．Lowe于2004年在总结像拼接算法，如基于频域的方法、基于灰度相关的匹了现有特征检测方法的基础上，提出的一种基于不配和特征匹配等．其中尺度不变特征变换L1](Scale变量技术的特征描述算法．SIFT特征是图像的局部In

3、variantFeatureTransform，SIFT)匹配算法对图特征，该特征具有平移、缩放、旋转不变性，同时对光像旋转和尺度变化等均具有不变性，被广泛应用于照变化、仿射及投影变换也有一定不变性．目标识别，图像拼接等领域．但SIFT算法提取出特SIF'I、特征向量的生成一般包括以下4个步骤：征点后，传统的Ransac算法[2]效率非常低，尤其当1)构建图像高斯金字塔在尺度空间上进行极图像待匹配特征点之间“外点”(误匹配点)比例较大值检测，并确定关键点所在位置和尺度．时，大大影响了拼接算法的效率．图像融合是图像拼2)通过曲线拟合三维二次函数以精确关键点接的

4、另一关键部分，主要用于消除接缝和去除重影的位置和尺度，同时去除低对比度的关键点和不稳(鬼影)现象，其效果直接影响到拼接图像是否自然．定的边缘响应点。目前处理平滑过渡的算法较多，但对包含运动物体3)利用关键点邻域像素的梯度方向分布特性的图像融合[3]尚不能做到差强人意．为每个关键点指定方向参数，从而使描述子对图像为了提高拼接算法的效率和融合图像的质量，旋转具有不变性．本文对以上2个关键部分进行了改进．针对“外点”4)生成SIFT特征向量．其中描述子由2×2×(误匹配点)比例高时，使用Ransac算法迭代次数8维向量表征由2×2个8方向的方向直方图组成．多、效率

5、低的问题，提出了一种新的聚类的方法预筛如图1所示．左图的种子点由8×8单元组成．每一选待匹配点以提高“内点”(正确匹配的点)的纯度，个小格都代表了特征点邻域所在的尺度空间的一个然后再使用Ransac算法精确提纯，以提高算法效率像素，箭头方向代表了像素梯度方向，箭头长度代表和配准精度．在图像融合部分，首次提出了基于特征该像素的幅值．然后在4X4的窗口内计算8个方向点对的最佳缝合线融合算法，实验表明该方法能较的梯度方向直方图．绘制每个梯度方向的累加可形理想消除重影、平滑亮度差异，得到较高质量的融合成一个种子点，一个特征点由4个种子点的信息所收稿日期：2011—0

6、4—25基金项目：甘肃省自然科学基金(O8032JZAOl5)；甘肃省科技攻关项目(0708GKCA047)作者简介：宗岩(1987-)，男，河南南阳人，硕士生．90兰州交通大学学报第31卷组成．＼L／＼八r义义d．／1"-图2聚类预筛选的数学原理图关键点周围区域图像梯度关键点描述子Fig．2Theprincipleofclustering图1SIFT描述子示例一)．八—{io，：s≤(2)￡Fig．1TheexampleofSIFFdescriptor其中：S，Sj分别代表第i和第条直线的斜率；t为设1．2粗匹配特征点定的邻域的阈值．提取两幅图像的SIFT

7、特征向量后，通过相似对预筛选得到的特征点对再运用Ransac算法性度量(如欧氏距离)可以得到图像间的潜在匹配．二次筛选以得到精确的匹配数据集，并对以此生成但匹配的特征点对通常包含着大量误匹配，因此为的变换矩阵进行优化，以完成匹配．具体本部分可分了提高算法的鲁棒性，要根据几何限制和其它附加以下4个步骤：约束来消除错误匹配，如经典的Ransac(随机抽样1)将两幅待匹配图像置换于同一坐标系下，计一致性算法)算法．但在外点(误匹配点)比例较大算粗匹配数据集中所有直线的斜率值．时，Ransac算法效率非常低，其随机采样次数与集2)依据经验值设定邻域阈值为t一0．O1

8、，由上合中外点比例关系[4]如表1所示．述公式(1)