基于改进快速鲁棒特征的图像快速拼接算法-论文.pdf

《基于改进快速鲁棒特征的图像快速拼接算法-论文.pdf》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、JournalofComputerApplicationsISSN1001—90812014．10．10计算机应用，2014，34(10)：2944—2947CODENJYIIDUhttp：／／www．joca．cn文章编号：1001—9081(2014)10—294—04doi：10．11772／j．issn．1001—9081．2014．10．2944基于改进快速鲁棒特征的图像快速拼接算法朱琳，王莹，刘淑云，赵博(中国北方车辆研究所信息与控制技术部，北京100072)(通信作者电子邮箱zhuzhulin0320@163．COITI)摘要：针对快速鲁棒特性(SURF)算法实时性、鲁棒性等无

2、法满足实际应用需求的问题，提出了一种对SURF的改进算法，实现图像快速拼接。改进的算法采用机器学习的方法，建立一个二进制分类器，识别出SURF提取的特征点中的关键特征点，并剔除非关键特征点。此外，采用Relief-F算法将改进的SURF描述子降雏简化来完成图像配准。图像融合阶段采用带阈值的加权融合算法，实现了图像无缝拼接。实验结果表明，改进的算法具有较强的实时性和鲁棒性，并且提高了图像配准的效率，加快了图像拼接的速度。关键词：图像快速拼接；快速鲁棒特征算法；机器学习；Relief-F算法；图像融合中图分类号：TP391．41文献标志码：AFastimagestitchingalgorithm

3、basedonimprovedspeededuprobustfeatureZHULin，WANGYing，LIUShuvun，ZHAOBo(DepartmentofInformationandControl，ChinaNoahVehicleResearchInstitute，Beijing100072，China)Abstract：AnfastimagestitchingalgorithmbasedonimprovedSpeededUpRobustFeature(SURF)wasproposedtoovercomethereal—timeandrobustnessproblemsoftheo

4、riginalSURFbasedstitchingalgorithms．Themachinelearningmethodwasadoptedtobuildabinaryclassifier，whichidentifiedthecriticalfeaturepointsobtainedbySURFandremovedthenon—criticalfeaturepoints．Inaddition，theRelief-FalgorithmwasusedtoreducethedimensionoftheimprovedSURFdescriptortoaccomplishimageregistrati

5、on．Theweightedthresholdfusionalgorithmwasadoptedtoachieveseamlessimagestitching．Severalexperimentswereconductedtoverifythereal—timeperformanceandrobustnessoftheimprovedalgorithm．Furthermore，theeficiencyofimageregistrationandthespeedofimagestitchingwereimproved．Keywords：fastimagestitching；SpeededUpR

6、obustFeature(SURF)algorithm；machinelearning；Relief—Falgorithm；imagefusion的提升，算法已成功应用于图像检索、物体识别、图像拼接等0引言方面。目前很多学者研究了对SURF算法的改进，进一步改图像拼接技术是将相互间具有重叠区域的图像序列进行善算法的性能。杨海燕等提出一种融合了SURF和空间一空间匹配对准，最终拼接为一幅具有较宽视角全景图像的技致随机抽样一致性(SpaceConsistency—RANdomSample术，近几年广泛应用于军事、机器视觉、虚拟现实、医学等领Consensus，SC—RANSAC)的图像配准方法，

7、实现了图像的快域。图像拼接技术作为图像处理的热点问题吸引了许多国内速匹配；史露等提出了一种结合SIFT和SURF的图像配准外学者对其进行研究⋯。方法，采用并行计算提高计算效率；周宇浩崴等从窗口滤图像拼接主要包括图像配准和图像融合两个方面，其中波器权值、特征点周围子区域的选择以及子区域内Haar小波图像配准是拼接的核心部分。常用的图像配准算法主要分为变换的采样点范围三方面对SURF算法进行参数配置优化，两大类J