一种基于RANSAC柱面图像配准算法.docVIP

一种基于RANSAC的柱面图像配准算法 　　摘要:提出了一种基于RANSAC的柱面图像配准算法。算法首先采用NCC算法对检测出来的Harris角点进行粗匹配,然后采用两次改进的RANSAC算法删除误配,提高正确匹配角点的数量,最后对仿射变换模型参数进行Levenberg-Marquardt非线性优化以进一步降低图像的配准误差。实验结果表明:通过一次改进RANSAC去错配后角点有效匹配率达到约99.2%,通过二次改进RANSAC去错配后角点有效匹配率达到约99.6%,与现有算法相比,在同等条件下获得了更高的匹配有效率。 　　关键词:图像处理; 特征提取; 图像配准; RANSAC; NCC 　　中图分类号:TP391文献标识码:A 　　 　　A RANSAC-Based Cylindrical Image Registration Algorithm 　　LIU Xiangbin1,2, ZOU Beiji1 　　(1. School of Information Science and Engineering, Central South University, Changsha, Hunan 410083, China; 2. Institute of Image Recognition Computer Vision, Hunan Normal University, Changsha, Hunan 410081, China) 　　 　　Abstract: A RANSAC-based cylindrical image registration algorithm is presented. First, the algorithm makes a coarse matching for the detected Harris corner points using the NCC algorithm. Then, it reduces the false matched pairs by two pass of improved RANSAC algorithm to increase the number of right matched pairs. At last, it optimizes the affine transformation model parameters using Levenberg-Marquardt algorithm to lower the registration error further. Experiment shows that the right matched ratio of Harris corner reaches 99.2% after one time of improved RANSAC, and reaches 99.6% after two times of improved RANSAC. Compared with present methods, it has achieved higher right matched ratio under the same conditions. 　　Key words: image processing; feature extraction; image registration; RANdom SAmple Consensus; Normalized Cross Correlation 　　 　　在全景图的生成过程中,最关键的就是图像的拼接技术,而拼接技术的核心是图像的配准技术[1]。图像配准是立体视觉、运动分析、数据融合等实用技术的基础,在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域都有重要的应用价值,因而得到广泛的研究[2-3]。 　　常用的图像配准方法一般可以分为基于灰度的图像配准方法和基于特征的图像配准方法两种。由于基于灰度的图像配准方法对光照、对比度和拍摄角度等敏感,而基于特征的图像配准方法能够很好地解决这些问题,因此,目前普遍采用的是基于特征的图像配准方法[4]。 　　RANSAC算法[5]是基于特征的图像配准算法中的典型算法,其优点是可靠、稳定、精度高,对图像噪声和特征点提取不准确有强健的承受能力,鲁棒性强,并且具有较好的剔出误匹配点的能力,经常被使用在图像特征匹配中。但RANSAC算法通常只适用于平面图像的配准,而不适合于柱面图像的配准[6]。为此,本文对其进行改进,提出了一种将NCC角点匹配算法[7]与改进的RANSAC算法相结合的图像配准算法,应用于柱面图像的配准。该算法在提取待配准图像的Harris角点的基础上,首