改进的基于特征点的图像拼接融合算法研究.pdfVIP

第31卷 第 1期 兰 州 交 通 大 学 学 报 Vo1．31No．1 2012年 2月 JournalofLanzhouJiaotongUniversity Feb．2012 文章编号：1001—4373(2012)01-0089_04 改进的基于特征点的图像拼接融合算法 宗 岩， 王阳萍， 刘 萍 (兰州交通大学 电子与信息工程学院，甘肃 兰州 730070) 摘 要：在传统SIFT算法的基础上对图像拼接中的特征匹配和图像融合2个关键部分进行了改进．在特征匹配阶 段 ，运用聚类的思想粗匹配特征点对，再由Ransac算法精确提纯；并在融合部分提出了基于特征点对的最佳缝合 线融合方法．试验表明：改进后算法效率有较大提高，并能有效去除运动重影现象． 关键词：图像拼接；图像融合；最佳缝合线；全景图；多分辨率拼接 中图分类号：TP391．41 文献标志码：A 图像． 0 引言 1 SIFT特征匹配 图像拼接是将数张有重叠部分的图像拼成一幅 大型的无缝高分辨率图像的技术．图像配准和融合 1．1 SIFT算子介绍 是图像拼接的关键．目前，国内外已经提出了多种图 SIFT算子是DavidG．Lowe于2004年在总结 像拼接算法，如基于频域的方法、基于灰度相关的匹 了现有特征检测方法的基础上，提出的一种基于不 配和特征匹配等．其中尺度不变特征变换L1](Scale 变量技术的特征描述算法．SIFT特征是图像的局部 InvariantFeatureTransform，SIFT)匹配算法对图 特征，该特征具有平移、缩放、旋转不变性，同时对光 像旋转和尺度变化等均具有不变性，被广泛应用于 照变化、仿射及投影变换也有一定不变性． 目标识别，图像拼接等领域．但 SIFT算法提取出特 SIFI、特征向量的生成一般包括以下4个步骤： 征点后，传统的Ransac算法[2]效率非常低，尤其当 1)构建图像高斯金字塔在尺度空间上进行极 图像待匹配特征点之间 “外点”(误匹配点)比例较大 值检测，并确定关键点所在位置和尺度． 时，大大影响了拼接算法的效率．图像融合是图像拼 2)通过曲线拟合三维二次函数以精确关键点 接的另一关键部分，主要用于消除接缝和去除重影 的位置和尺度，同时去除低对比度的关键点和不稳 (鬼影)现象，其效果直接影响到拼接图像是否自然． 定的边缘响应点。 目前处理平滑过渡的算法较多，但对包含运动物体 3)利用关键点邻域像素的梯度方向分布特性 的图像融合[3]尚不能做到差强人意． 为每个关键点指定方向参数，从而使描述子对图像 为了提高拼接算法的效率和融合图像的质量， 旋转具有不变性． 本文对以上2个关键部分进行了改进．针对 “外点” 4)生成SIFT 特征向量．其中描述子由2×2× (误匹配点)比例高时，使用 Ransac算法迭代次数 8维向量表征由2×2个 8方向的方向直方图组成． 多、效率低的问题，提出了一种新的聚类的方法预筛 如图1所示．左图的种子点由8×8单元组成．每一 选待匹配点以提高 “内点”(正确匹配的点)的纯度， 个小格都代表了特征点邻域所在的尺度空间的一个 然后再使用Ransac算法精确提纯，以提高算法效率 像素，箭头方向代表了像素梯度方向，箭头长度代表 和配准精度．在图像融合部分，首次提出了基于特征 该像素的幅值．然后在4X4的窗口内计算8个方向 点对的最佳缝合线融合算法，实验表明该方法能较