基于特征的图像拼接融合技术的研究与实现

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于特征的图像拼接融合技术的研究与实现范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：基于特征的图像拼接融合技术实现关键，在于选这是的特征提取、匹配、融合等后处理算法，特征提取SURF算法组合适，特征的匹配一般基于欧式距离法，采用RANSAC算法和八参数模型计算变换模型矩阵进行匹配。图像亮度根据图像亮度值的比例模型进行调整，图像融合采用距离权重法效果较好，融合鬼影消除方法可选择括最佳缝合线法、泊松融合算法。

关键词：图像拼接融合技术 特征 全景

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2016）11-0116-01

图像拼接融合是指将具有重合部分的图片拼接为一张宽场景无缝的图像片技术，被广泛用于天文、海底勘测、气象预报、虚拟现实、数码相机等领域。基于特征的图像配准是图像拼接的重要组成部分，本次研究试就该领域研究进行概述，并尝试构建相关的算法。

1 图像配准算法

1.1 特征的提取

图像配准算法通过提取与匹配图像特征实现图像拼接，一般可分为三步：①根据实际情况、图像特性，提取匹配特征；②对提取的特征点进行匹配；③将匹配好的特征位置带入图像变换模型。如何从复杂图像中提起图像特征是实现图像匹配算法的关键，常用的特征包括特征点、边缘、轮廓、直线段、闭合区域、统计特征等。区域特征算法处理信息量大，计算复杂程度高，受光照、灰度变化影响较大，边缘特征使用较普遍，检测方法主要包括差分边缘检测方法、Roberts边缘检测算子等。特征点匹配算法，可用于相机旋转角度和平移距离较大的情况，使用最广泛，具有较强抗噪能力、数目小于图像像素点计算量小、对位置变化敏感，也是本次研究讨论的重点。基于特征检测配准方法又可分为Moravec角点检测方法、SUSAN角点检测算法、Harris角点检测方法，以Moravec算法为例，其基本思想为设计一个局部检测窗口，当窗口移动到计算窗口平均能量变化超过阈值，则以窗口中心点作为角点，公式为E（u，v）=

，其中W（u，y）为图像窗口，平移（u，v）表示水平、垂直、对角线与反对角线四个方向，计算速度快，其对强边界非常敏感。基于不变量的图像配准方法较复杂，主要包括SIFT算法、SURF算法，首选进行SIFT特征的提取，通过对图像缩放、平移、旋转测试其尺度是否不变，若不变则提示其具有较好的鲁棒性，故采用SURF算法特征图像配准算法最合适，可检测尺度空间极值，进一步确定特征点的位置，生成SURF算法特征。

1.2 特征匹配

特征的匹配一般采用欧式距离法，准确度较高，为降低差错，需进行两次配皮，最后进行一次精确匹配法去除错误的匹配特征点对。在进行基于特征点的最近邻与次近邻欧氏距离比特征点匹配时，需要搜索特征点的最近邻和次近邻特征点，搜索方法首选K-D数特征点搜索方法。在进行匹配过程中，难免会出现误匹配，消除匹配过程中的差错，需要采用特别算法，如霍夫聚类法、最小中位数法、随机抽样一致算法（RANSAC算法）。RANSAC算法是一种鲁棒性数据拟合算法，采用随机抽样方法剔除错误数据。假设判断集合中某点为某条直线点内的阈值，根据构造视线内的点可计算出一条新的直线，再根据阈值和新的直线计算出新直线内点集合，不断重复这一过程，直至直线内点数量不再增加，获得直线即为最佳直线，理论上不存在误差。在图像多次拼接过程中，需要消除多幅图拼接累积误差，需采用全局匹配法纠正误差，方法主要包括多帧调整技术、线性方程、基于对应点多帧调整、逐步扩大拼接法，将图像投影到柱面图像坐标系再进行配准便是一种逐步扩大全局匹配法，故需要计算图像变换模型。可利用RANSAC算法，计算变换模型矩阵。理想情况下，RANSAC算法可搜索出所有可能组合，但计算量较大，故在实际情况中，只要保证4对匹配特征点位内点概率P>95%的置信区间即可，采样次数N与4对特征点均为内点的概率关系为1-P=（1-ε4）N。拟采用RANSAC算法和八参数模型计算变换模型矩阵步骤：①在特征点随机抽取4对任意点，3点不共线特征点对，如存在3点共线重新选择，直至不存在3点共线；②利用最小二乘法选择四队匹配特征点，求出变换模型参数；③利用d=d（X1i，X2i）+d（X1i`，X2i`）=||X1i-MX2i||+||X2i-M-1X1i||，计算匹配点的距离d，当d阈值时则匹配特征点位外电；④重复1-3盘，直至内点数目足够大，将具有最大内点数目n的模型作为计算结构。最后进行图像匹配。

2 图像配准后处理

图像配准后处理包括图像亮度调整、图像融合、融合鬼影消除。在实际拍摄过程中会因光源、曝光、拍摄角度，不同照片亮度存在一定的差异，亮度调整最简单的方法是根据图像亮度值的比例模型进行调整，简单快速。图像融合方法包括直接平均法、加权平均法、距离权重法、对比度调整法等，从整体上看，距离权重法效果较好，实测几乎看不到拼接痕迹，实现无缝拼接。当处理运动场景时，拼接图像存在运动物体，采用距离权重法融合物体会出现相互重叠在一起的情况，即鬼影现象，这种现象在当前智能手机中的全景照相中非常常见。融合鬼影消除方法主要包括最佳缝合线法、多分辨率融合算法、泊松融合算法，三种方法融合效果均较好。

3 展望

基于特征的图像拼接融合技术基本成熟，选择合适的算法非常必要，有助于提高拼接融合质量，肉眼几乎看不到处理痕迹，但这些算法本身对计算机设备性能提出了一定的要求，在智能手机、数码相机全景照相功能中应用拼接融合技术，选择算法需考虑设备性能。

参考文献

[1]王海颖.基于图像的虚拟漫游关键技术研究[D].北京：清华大学，2010，1-20.

[2]王洪兵.增强现实环境下基于视觉的高精度标跟踪技术研究[D].成都：电子科技大学，2010，26-40.

[3]党建武，宗岩，王阳平.基于SIFT特征的图像拼接优化算法研究[J].计算机应用研究，2012，29（1）：329-332.