基于最小二乘法特征点的图像拼接方法应用研究.docVIP

基于最小二乘法特征点的图像拼接方法应用研究 　　摘 要：针对常用的图像拼接技术拼接效果有锯齿显现，边缘不圆滑等的问题，文章在精确获取图像特征点匹配对的前提下，采用基于最小二乘法拟合求取较优的变换矩阵拼接图像，获取完整的图片信息。通过实验，表明该方法拼接后的图像效果良好，边缘比较平滑。 　　关键词：最小二乘法；仿射变换模型；图像插值；图像拼接 　　中图分类号：TP391.73 文献标识码：A 文章编号：1006-8937（2015）33-0042-02 　　1 概 述 　　随着社会生活和现代工业应用的需要，图像处理技术的应用越来越广泛，因此也推动了传感器技术和计算机计算能力的发展。采用图像处理技术对不完整有缺陷的图像进行配准拼接处理以获取完整的图片得到全面信息的技术要求也迫在眉睫。本文采用基于最小二乘法特征点图像拼接方法，对不完整的图像进行配准拼接，得出较清晰完整的图片。 　　2 基于最小二乘法拟合求取较优的变换矩阵 　　配准后的图像要转换到同个坐标下，才能进行融合拼接。由于一般的图像序列之间只存在旋转和平移关系，基本不存在透视关系。6参数的仿射变换模型只需要3对匹配的特征点，而我们之前介绍的改进配准方法[1]能够得到配准率高的特征点，因此本文采用仿射变换模型。仿射变换模型不仅能够减少程序运行时间，并且能够提高模型参数的求解速度。而我们选择的图像间变换关系的计算，只需要3个匹配对就可以完成，但是为了配准的精确度，我们提取的特征点是大于3的，因此就涉及到数值分析中过定点问题，求一般的过定点问题，可以使用最小二乘法求解，但是直接运用最小二乘法计算变换关系是不可行的。 　　最小二乘法拟合失败示意图，如图1所示，说明直接使用最小二乘法[2]进行直线拟合最终导致失败。假设图中的二维坐标点是符合直线分布，那么理想拟合得到的直线以实线来表示。从中可看出点集中有一个错误点与大部分点偏离比较大，拟合的直线就有可能是如图中的虚线一致，这样拟合的结果就与实际的结果有很大的偏差。这样的现象在计算图像间变化关系时也是同样存在的。 　　在此我们用最小二乘法对获取来的准确的多对匹配对的数据点集进行拟合优化，以便得到更加精确的变换参数矩阵。 　　用最小二乘法通过对3对以上的内点进行拟合优化，从而得到更加精确的变换矩阵。 　　其中M为匹配数，从上式中可得当E是最小值时，仿射变换参数就是基于最小平方误差下的优化结果。 　　一般拟合过程采用的样本点越多拟合结果就越精确，但考虑到随着M的增多会加大计算量，因此本文取M=15。这M对匹配点是从经过RANSAC提纯后的匹配点，再次进行欧式距离排序，选取欧式距离最小的前M对匹配。然后联立方程就可以求出变换矩阵，由此可得最终的仿射变换矩阵H。 　　3 坐标映射与图像转换 　　在映射的过程中会导致一种常出现的情况是：原整数网格上的点在映射之后没有落到网格点上，如图2所示。 　　数字图像只能输出离散的位置信息，因此进行图像插值是非常必要的。图像的插值一般可以分为两类：前向插值和后向插值[3]，本文选用后向映射法。 　　最常用的插值方法有双三线性插值、双线性插值和最近邻插值三种。其中最近邻插值是最简单，计算效率也高，但是效果比较差。双三线性插值的效果要比最邻近插值和双线性插值要好，但是计算效率低。 　　本文采用的是双线性插值方法，在双线性插值中，新创造的象素值是通过加权平均计算得出的。采用加权平均算法对图像具有防锯齿效果，经过双线性插值出来的图像边缘平滑。它是效果和计算效率较为适中的方法，如图3所示。 　　4 实验步骤与结果分析 　　采用本文提出的配准拼接方法对两幅不完整的图像进行拼接实验，该实验在MATLAB平台上进行。实验步骤如下： 　　①采用SURF算法提取特征点。 　　实验图形A的surf特征点如图4所示，实验图像2的surf特征点图图5所示。 　　②采用我们先之前介绍的配准方法：采用RANSAC算法消除错误匹配，其次欧式距离再排序二次提纯，得到准确的15对匹配对。匹配结果如图6所示。 　　③利用提取到的15对匹配对经过本文改进的最小二乘法拟合得到变换参数矩阵H： 　　得到仿射变换模型的系数矩阵后，利用双线性后向映射插值法我们可以得到实验图像A转换到实验图像B坐标下对应的变换图像。从实验结果来看配准的准确性和效果都是比较理想的。转换结果如图7所示。 　　④根据计算出来的变换矩阵完成两幅图像的拼接。拼接结果如图8所示。 　　5 总 结 　　结合我们之前的研究及本文的方法转换拼接后的效果良好，边缘比较平滑。这里主要有是因为在转换待配准的图像时我们采用了双线性插值，输出的像素值是由原图像在它附近的4个邻近像素的值通过加权平均计算得到的。采用加权平均算法对图像具有防锯齿效