Ｌ－Ｍ算法在变换矩阵计算中的应用.docVIP

Ｌ－Ｍ算法在变换矩阵计算中的应用 　　摘 要：基于特征的图像拼接是最受关注的一类拼接方法，它分为特征提取、特征匹配、变换矩阵的计算和图像融合4步。如何利用获得的多对特征点来计算较高精度的变换矩阵是图像拼接中的重要问题。介绍L-M (Levenberg-Marquardt,利弗博格-马夸特)算法,并将L-M算法运用于获得较高精度的变换矩阵的计算中。另外，对于应用该算法的过程中出现的矩阵元素过大而无法求逆的问题，也给出了解决的办法。实验结果证明，该方法实用可行，能有效提高拼接质量。 　　关键词：图像拼接；L-M算法；变换矩阵；投影变换 　　中图分类号：TP391.41文献标识码：B 　　文章编号：1004-373X(2008)24-099-03 　　Computation of Transformation Matrix Using L-M Algorithm 　　CAO Hongxing1,2,LIU Jiahang1,RUAN Ping1 　　(1. Xi′an Institute of Optics and Precision Mechanism,Chinese Academy of Sciences,Xi′an,710119,China; 　　2.Graduate University,Chinese Academy of Sciences,Beijing,100048,China) 　　Abstract：Image stitching based on features is one of most attended methods.It divides into the feature extraction,matching feature points,transformation matrix computation and blending image.How to get full use of features point pair to get transformation matrix with higher precision is a crucial question.This article introduces the L-M (Levenberg-Marquardt)algorithm and uses the L-M algorithm to obtain higher precision transformation matrix.In addition,the problem that matrix elements are too large to inverse matrix appears in process of applying the algorithm,the solution to the problem is also given in this article.Experiments show that this method is practical and can improve quality of image stitching effectively. 　　Keywords：image sitching;L-M;transformation matrix;project transformation 　　1 引 言 　　图像拼接在航天，医学，工业等诸多领域都有广泛应用。而基于特征点的图像拼接方法是研究最多的一类拼接方法。特征点不易受光照、旋转等变换而发生改变，具有较强的稳定性,而且少量的特征点不仅能反映出图像的重要信息,还有利于提高图像拼接速度,因此,有许多人在从事这方面的研究［1-8］。基于特征点的图像拼接分为特征提取、特征匹配、变换矩阵的计算、图像融合4步。其中变换矩阵的计算需要4对匹配点，但事实上，经过特征匹配得到的匹配点远远多于4对。如何充分利用得到的多对特征点，获得更高精度的变换矩阵就成为一个问题。 　　首先介绍L-M算法，然后详细介绍如何将其应用到变换矩阵的求解中，并解决了迭代过程矩阵元素过大无法求逆的问题。实验结果证明，通过L-M算法,可以有效提高变换矩阵的精度,从而提高拼接质量。 　　2 L-M算法简介 　　最小二乘法就是要寻找x*,使得x=x*时，函数F(x)=12∑ni=12取得最小值，属于最优化问题。当参数与函数之间不满足线性关系，即为非线性最小二乘法。最优化问题是通过不断迭代逼近最优解。不同的算法的迭代公式不同。 　　L-M算法又称为阻尼最小二乘法,是解决非线性最小二乘法的有力工具。它是马夸特(Marquardt)在利弗博格(Levenberg)工作的基础上提出了一种非常精致的迭代策略［9］，是对高斯-