基于加窗SIFT和分布式优化多图自动拼接算法.docVIP

基于加窗SIFT和分布式优化多图自动拼接算法 　　摘 要： 针对无先验信息传统算法中普遍存在的误差累计问题，提出基于加窗尺度不变特征变换（W?SIFT）和分布式优化的多图自动拼接算法。根据多图拼接应用的特性，对尺度不变特征变换算法进行修改，提出加窗SIFT算法更高效地提取待拼接图像的特征点。运用随机抽样一致（RANSAC）算法计算出两两图像的变换矩阵。之后，建立了一个分布式优化模型，求解出多图拼接的全局最优解。实验结果表明，基于加窗SIFT和分布式优化的多图自动拼接算法能够有效地消除误差累积现象，能够得到更加精确的多图拼接结果。 　　关键词： 分布式优化算法； 分布式优化模型； 尺度不变特征变换； 随机抽样一致； 多图自动拼接 　　中图分类号： TN911.73?34； TP181 文献标识码： A 文章编号： 1004?373X（2017）07?0059?04 　　Multi?image automatic splicing algorithm based on windowed?SIFT 　　and distributed optimization 　　KE Lei1， LIU Fuqiang2， KANG Qi2 　　（1. School of Transportation and Automobile Engineering， Panzhihua University， Panzhihua 617000， China； 　　2. School of Information and Electronics， Beijing Institute of Technology， Beijing 100081， China） 　　Abstract： Aiming at the error accumulation problem existing in the traditional algorithms without prior information， a multi?image automatic splicing algorithm based on windowed scale invariant feature transformation （W?SIFT） and distributed optimization is proposed. The scale invariant feature transformation algorithm is modified according to the application characteristics of the multi?image splicing. The W?SIFT algorithm is proposed to extract the feature points of the splicing image efficiently. The random sample consensus （RANSAC） method is used to calculate the transformation matrix of two images. A distributed optimization model was established to solve the global optimal solution of the multi?image splicing. The experimental results show that the multi?image automatic splicing algorithm based on W?SIFT and distributed optimization can eliminate the error accumulation phenomenon effectively， and obtain the accurate multi?image splicing results. 　　Keywords： distributed optimization algorithm； distributed optimization model； scale invariant feature transformation； random sample consensus； multi?image automatic splicing 　　0 引 言 　　图像拼接是计算机视觉中的一项重要研究方向，特别是在车载场景构建和街景生成中有广泛的应用。尤其是在数字地图，数字城市和自动驾驶等日益发展和普及的背景下，自动多幅图像拼接算法更是吸引了广泛的关注和研究。 　　在多幅图像拼