基于多算法结合图像拼接探究.docVIP

基于多算法结合图像拼接探究摘 要： 针对SURF算法的尺度旋转不变和提取特征点等进行分析和研究，进一步保证图像配准的精度，通过对这种方法的试验，说明在图像拼接当中能够取得较好的效果。 关键词： 图像拼接；SURF算法；图像融合；投影变换 图像拼接指的是把各种各样的不相同的来自于同一个场景内的具有一定的重叠区域的较小尺寸的图像合并成为一副大尺寸的图像，使其具有大视角的图像[1]。这种技术可以对镜头拍摄角度的局限性有一定的突破，它被广泛的应用于医学图像分析、遥感图像处理、超分辨率重构、计算机视觉、绘图学、虚拟现实以及视频监控等等领域，目前它是图像处理的一个重要的分支。以下是针对图像拼接技术的多种算法的探讨。 1 图像拼接技术原理 1.1 图像拼接的工作原理 所谓的图像拼接，指的是对需要进行图像拼接的图像进行信息的采集，以及消除所有不需要的信息，针对提取相同场景的不同图像的匹配信息，通过计算机自动对图像融合和图像配准以及消除拼接缝隙，最后得到一副拼接完全的图像。 图像拼接的四个步骤： 1）匹配：匹配主要是针对模板的匹配而言，这主要是基于对区域的图像拼接算法所说的。也就是说，如果能够在两幅图像当中寻找到合适和模板，那么对确定这两幅图像之间的匹配关系就有了一定的证据。当然，匹配在基于特征的图像拼接当中，是把还没有进行拼接的图像按照它的特征找到匹配的点进行拼接和匹配，并且建立起各个集合之间的对因关系，以此来确保待拼接和模板两幅图像之间的对应关系。这个步骤就是需要在两幅图像当中寻找重叠的区域，并且还需要找出点和模板在原图像当中的位置。 2）图像的预处理：如果所需要进行拼接的图像要求较高的准确性，那么在拼接之前必须要进行预处理。主要有两部分：去噪和校正。根据某个图像失真的具体原因，建立一些数学模型，并且根据这些模型来设计一个滤波器，以此来使失真的图像当中所计算到的真实图像的估值，来获取最真实的图像数据。并以此来获得图像当中有明显特征的部分，如：边界、角点、区域以及轮廓等等，还要适时的提取出一些用来表征完整图像的特征；在基于区域的图像拼接算法当中，图像的预处理主要是对图像的匹配模板进行建立，也就是说匹配模板可以直接对像素灰度值进行直接的建立，同样的也可以对图像进行傅立叶变换然后再通过利用傅立叶的变换结果建立区域。 3）图像重构和转换：把没有进行拼接的图像转换之后并且建设一个几何体的坐标，把还没有进行拼接的图像都放到参考图像所建立的坐标当中，以此来完成图像的拼接。当时，在进行坐标转换的整个过程当中有会出现不是整数的图表，这就可以通过插值技术来进行相应的计算。此外，在对图像的拼接过程当中还会出现由于图像获取时光照度不同的情况，导致图像拼接的地方出现拼接缝，这就需要通过图像融合技术来对无缝拼接进行完善[3]。 4）几何变换模型：一般情况下，一副带拼接的和参考图像和图像之间的关系都是在几何变形的模型上进行反应的。然而，在匹配的过程当中，对已经建立图像特征和模板关系的可以通过这些关系来对集合变换模型进行参考，以此来建立起几何变换模型。 以上所述的这四个图像拼接的步骤当中，根据实际的拼图需要不同的图像和不同的算法之间总是会出现一些细节方面的不同，所以在对图像进行拼接的过程当中要充分的对实际的背景图像考虑到也就是说，要根据不同的图像特点来选择不同的拼接算法。然而，如果是图像带有平移、透视、旋转以及缩放等复杂的模式下要通过使用基于特征的图像拼接方法；如果某两个图像之间的光照度一样而且是平移的状况，我们使用的最为基本的方式就是通过基于区域的图像拼接算法。但是，针对基于区域的图像拼接方法当中，可以对模板匹配计算量之间的问题进行考虑，同时还要考虑在图像的匹配过程中是否会影响到，如：光照条件、图像质量以及噪声等等。 2 图像拼接的多种算法 2.1 SURF算法 Speeded up robust features就是我们常说的SURF算法，这种算法是一种旋转和尺度均不变的特征点检测算法，是Bay在2006年的时候提出的。 1）积分图 SURF算法的基础就是积分图，它是通过对特征点进行提取和计算的形式，具体的定义如下： 从上述式子当中看出，从原图像当中的I（x，y）左上角为（0，0），右下角点（x，y）为矩形区域当中的像素之和等于积分图上面的对应点（x，y）的值。如果想要频繁的在原图像当中的I（x，y）上面对矩形区域当中的像素之和就行求解的时候就可以利用积分图对其进行方便和简单的计算，对计算的效率也有所提高。 由上面的式子我们可以得出，不管是原图像当中的矩形面积有多大，都可以方便的在积分图当中利用四顶点进行三次加减运算而得出正确的结果。 2）Hessian矩阵 我们都知道f（x，y）是连续的