基于SURF特征的高动态范围图像配准算法_葛成

《基于SURF特征的高动态范围图像配准算法_葛成》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、MicrocomputerApplicationsVol.26,No.2,2010研究与设计微型电脑应用2010年第26卷第2期文章编号：1007-757X(2010)2-0008-03基于SURF特征的高动态范围图像配准算法葛成，胡福乔，赵宇明摘要：同一场景的多曝光图像序列被广泛的应用于高动态范围图像(HighDynamicRangeImage)的合成中。但是，在多曝光图像序列的采集过程中，相机抖动、场景运动等因素会对合成图像的质量产生较大的影响。此外，离镜头较近的大目标往往由于显著的三维形状，在序列图中产生较大的视差效应，也会对合成图像产生消极影响。该文提出一种基于SURF特征

2、点的三维图像配准算法，实验证明该算法在近距离大目标情形下较之传统配准算法MTB(MeanThresholdBitmap,均值二值化)可以获得更好效果。关键词：图像配准；HDR；SURF；MTB中图分类号：TP391.41文献标志码：A0引言方向平移量，从而实现配准。由于配准过程是大多进行位运算，故而速度较快。但是其缺点也是显而易见的。主要是近年来，高动态范围图像合成(HighDynamicRangeMTB的配准检测，只能在X,Y方向上搜索得到整数平移量，ImageComposition)技术获得了长足发展。真实世界场景往而对没有亚像素级别的精度，并且当运动目标距离镜头较往具有很高的

3、动态范围，而传统数码照相机由于只具有有限近，目标本身的三维形状在序列图像中产生较大视差效应的位深度，难以捕捉到完整的动态范围。一个弥补措施是通时，简单的X,Y方向平移已经无能为力。本文提出的SURF过拍摄多张相同场景不同曝光度的图像并合成，间接恢复出算法解决了在三维视差不能忽略的情况下，多曝光图像序列完整的动态范围，再通过色调映射(tonemapping)算法，将的配准问题，并且算法具有较快的速度，适合于实时配准情高动态图像压缩显示在低动态范围显示部件上(如形。LCD,CRT)，实现图像质量的提升。1999年Debevec和Malik在文献[1]中描述了数码相机1多曝光图像序列配准

4、的相关研究成像的基本过程。在该模型中，相机的输出主要由两个因素决定。其一是场景的光线辉度(Sceneradiance),在短时摄影中1.1二维配准：中值二值化图像(MTB)基本保持不变。另一因素是相机自身参数，在光圈、增益等当图像场景基本为平面物体或者目标距离镜头较远时，一定时，主要由曝光时间决定。输出图像的灰度级和场景光物体的三维形状可以忽略。换句话说，即图像之间的配准关线辉度之间的关系，可以用相机响应函数(CameraResponse系可以简单的处理为X,Y平面上的平移或旋转。2003年Greg[4]Function,CRF)表示。Debevec和Malik采用求解超定线性方和

5、Ward提出的MTB(medianthresholdbitmap)法即适用于程组的方法，从多曝光图像序列中恢复CRF。随后该场合。MTB算法计算多曝光图像各自的中值，并将其二Mitsunaga和Nayar发表了基于多项式逼近的CRF估计方法值化，利用金字塔搜索获得水平和垂直方向目标运动量。在[2]。本文的后续实验中我们可以看到，MTB方法对物体三维形利用相机响应曲线，可以将多曝光图像映射到光线辉度状信息的忽略，导致近距离大目标的配准及合成中产生明显域上，对辉度空间的图像进行加权平均即得到对数HDR图的模糊和重影效应。像。但是，在合成之前，一个重要的问题是拍摄过程中图像1.2三维配准

6、：基于SIFT特征的抖动和场景的运动，以及目标本身三维结构在运动中造成为了准确知道匹配图像和参照图像之间的关系，需要找的视差(parallex),故一个准确的配准过程十分重要。到目标运动的参数模型。图像运动主要可以分为几类：平移，[3]Tomaszewska提出了基于SIFT特征的配准算法。SIFT算旋转，伸缩，仿射和投影。法能够较为有效的提取相似图像中对应的尺度不变的特征对于参照图像像素坐标(x,y),匹配图像中的对应像素坐点，但是它计算量较大，不适合实时图像配准。GregWard标可以表示为提出了一个基于图像二值化的快速配准算法[4]:中值二值化⎛x'⎞⎛c11c12c13⎞⎛

7、x⎞⎜⎟⎜⎟⎜⎟图像配准(MedianThresholdBitmap,MTB)。该算法通过将⎜y'⎟~⎜c21c22c23⎟⎜y⎟（1）⎜1⎟⎜ccc⎟⎜1⎟不同曝光度图像，按照各自灰度中值或均值进行二值化，得⎝⎠⎝313233⎠⎝⎠到的二值化图像，对于曝光时间的变化相对稳定。然后通其中~表示按比例相等，Cij为未知量。当考虑2维平过图像金字塔搜索，确定两张不同曝光度图像之间的X,Y面运动时，C33=1。变换矩阵的参数取特殊形式时，可以得到平移、旋转、伸缩、仿射和投影