基于sift特征跟踪匹配的视频拼接方法

《基于sift特征跟踪匹配的视频拼接方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据ComputerE愕ineeringandApplications计算机工程与应用2008，44(10)169基于SIFT特征跟踪匹配的视频拼接方法张朝伟，周焰，王耀康，程焱ZHANGChao-wei，ZHOUYan，WANGYao-kang，CHENGYan空军雷达学院信息与指挥自动化系，武汉430019Dept．ofInformation＆CommandAutomation，AFRA，Wuhan430019，ChinaE-mail：hi_zhangsir@sina．．eomZHANGChao-wei．ZHOUYan．WAN

2、GYao-kang。etal,,MethodofvideosstitchwithSIFTfeaturetrackingandmatch-ingbased．ComputerEngineeringandApplications。2008．44(10)：169-172,．Abstract：Thispaperprovidesamethodstitchingreal-timevideoimagescapturedbyseveralcameras．ThealgorithmisbasedonSIFr(St．'aleInvariantFeatureT

3、ransfoJITn)featuretrackinginvideoframesandreducethecostofsearchinginformatches．SIFT‘15usedtoextractionfeaturedescriptorofframesandmatchedintrackingestimatingarea，thenestimatingthetransformationparametersoftheframesstitching．Experimentalresultsshowthemethodiswonderfuland

4、stable．Itisalsorobusteveninprocessinglowoverlappingarea，anyrelativeorientationandbetweenthevideosframesormovingobjects,．Keywords：SIFrrfeaturematching；imageregistration；videostitch；imagemosaic摘要：针对不同摄像头的监控视频序列，提出了一种基于视频帧sIFT(scaleInvariantFeatureTransform，即尺度不变特征变换)特征跟踪的

5、拼接方法。通过SIFT算法提取帧图像的特征，并在跟踪的估计区域搜索匹配特征，从而确定待整合帧之问的变换参数。实验结果表明，该方法较好实现视频快速拼接，且对重叠区域小、彤变大、有运动物体遮挡的视频具有较强的鲁棒性。关键词：SIFT特征匹配；图像配准；视频拼接；图像拼接文章编号：1002-一8331(2008)10-0169-04文献标识码：A中图分类号：TP391．411引言视频图像是虚拟现实中一种重要的场景表示方法。由于单部摄像机只能表达一个狭小的场景区域信息，随着计算机及摄像机性能成倍提高的同时而成本日益降低，可以采用多部摄像机采集

6、场景，通过图像拼接技术产生比单个图像更宽的视野和更高的分辨率。图像拼接是—个日益流行的研究领域”，它广泛应用于视频会议、虚拟现实、战场监控等。在监控系统中，视频拼接能更好展现宽场景的实时动态。所谓视频拼接是指应用若干个摄像头的视频序列，拼接成宽景乃至全景的视频，该技术不同于图像拼接的虚拟全景技术和云台的视频监控技术，同时又吸收了两者的优点，因此具有重要的发展意义。视频的稳定实时拼接是—个复杂的问题，目前，在没有先验知识条件下，对不同视角、不同尺度和光照变化等因素，还没有一种有效的技术实现视频的自动实时拼接。通常获得实时的视频拼接，需要

7、在拍摄时对摄像机位置、光圈和拍摄角度进行精确校准，这给视频采集带来不便，现实中也很难做到。视频拼接效果取决于视频帧图像的可靠和快速配准。基于特征的匹配稳定可靠，是较适合于图像拼接的配准方法。DavidG．Lowe在文献[2，3】中总结了现有的基于不变量技术的特征检测方法，提出了一种基于尺度空间的，对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子——sIf’r算子，它是一种多尺度技术。文献【4】中，Mikolajczyk和Schmid对10种最具代表性的算子(如不变矩、互相关、SIFT等)进行了实验和性能比较，结果表明，在对

8、光照变化、图像旋转、比例缩放、几何变形、模糊和图像压缩等6种情况下，SIFY特征描述符的性能最好。正是SIFT特征在以上各种情况下都具有高性能，因此很适合图像配准。近年来，SIFT特征匹配已经成为国内外计算机视觉领域热点