一種高質(zhì)量的快速圖像拼接方法.pdf

1、圖像拼接技術(shù)是將具有重疊區(qū)域的多幅圖像進(jìn)行無(wú)縫拼合，生成一幅大場(chǎng)景圖像的技術(shù)。近年來(lái)，圖像拼接的應(yīng)用越來(lái)越廣泛，因此圖像拼接也成為一個(gè)非?；钴S的研究課題。 圖像拼接的主要步驟包括圖像配準(zhǔn)和圖像融合，關(guān)鍵在于圖像配準(zhǔn)。目前的配準(zhǔn)方法主要分為：直接法和基于圖像特征的方法。直接法使用所有像素因此配準(zhǔn)較精確，但往往依賴光照一致性的假設(shè)，且迭代要求初始化，對(duì)有光照變化和有噪聲的圖像不夠強(qiáng)健，主要用于早期的研究中?；趫D像特征的方法提取了圖

2、像的顯著特征，大大壓縮了圖像的信息量，使得計(jì)算量小，速度較快，且對(duì)圖像的變化具有魯棒性。 基于圖像特征的配準(zhǔn)一般有兩個(gè)過(guò)程：特征提取和特征匹配。特征提取主要考慮提取的特征是否對(duì)圖像的各種變化能夠保持穩(wěn)定，比如光線、幾何變化、噪聲變化等，同時(shí)對(duì)特征提取的效率和正確性也要考慮，另外提取的特征要盡可能的具有獨(dú)特性，提取的特征主要是特征點(diǎn)。特征提取后，特征間的匹配問(wèn)題又是一個(gè)研究的重點(diǎn)和難點(diǎn)。特征匹配主要考慮匹配的精度和效率，但兩者往往

3、是相互矛盾的，而且匹配的效果與特征提取的關(guān)系相當(dāng)密切。 點(diǎn)特征提取方法很多，其中尺度不變特征變換(scale invariant featuretransform，SIFT)算法性能最優(yōu)，因此我們考慮利用SIFT來(lái)提取穩(wěn)定有效的特征點(diǎn)。由于提取的特征點(diǎn)越多，提取特征的速度則越慢，但如果特征點(diǎn)不夠則會(huì)導(dǎo)致拼接錯(cuò)誤甚至失敗。一幅典型的500×500的圖像可得到約2000個(gè)SIFT特征點(diǎn)，這對(duì)拼接系統(tǒng)來(lái)說(shuō)特征點(diǎn)過(guò)多因而大大降低了特征提

4、取的速度，因此本文對(duì)SIFT特征提取方法作了優(yōu)化改進(jìn)，改進(jìn)后的特征提取方法減少了關(guān)鍵點(diǎn)的數(shù)量，但這是在保證關(guān)鍵點(diǎn)質(zhì)量的前提下減少關(guān)鍵點(diǎn)數(shù)量的，因而對(duì)后面的拼接是有益的，從而為拼接系統(tǒng)的高質(zhì)量和快速特點(diǎn)打下基礎(chǔ)。提取出的關(guān)鍵點(diǎn)具有高獨(dú)特性、魯棒性，對(duì)圖像旋轉(zhuǎn)、縮放、平移和光線變化保持不變，并且每個(gè)關(guān)鍵點(diǎn)都有一個(gè)128維的特征描述符，該描述符對(duì)關(guān)鍵點(diǎn)的各種屬性都進(jìn)行了詳盡的表述，比如位置、尺度、方向等，使得特征描述符之間具有很大的差異性，所

5、以可以直接利用特征描述符進(jìn)行特征匹配，一般主要利用最近鄰方法進(jìn)行匹配操作，如何找到最近鄰距離是該算法的關(guān)鍵。窮舉法固然有效，但計(jì)算量大實(shí)用性差，因此我們利用一種稱為Best-Bin-First(BBF)的近似最近鄰算法，BBF的主要思想是利用一種近似的最近鄰匹配方法，主要限定k-d樹葉結(jié)點(diǎn)數(shù)，即限定了搜索的最大次數(shù)，同時(shí)采用一個(gè)優(yōu)先級(jí)隊(duì)列使搜索順序以與被查詢結(jié)點(diǎn)距離遞增的順序進(jìn)行搜索，從而大大提高了搜索的效率。此時(shí)對(duì)大部分圖像都可以得到

6、準(zhǔn)確而且快速的拼接結(jié)果，但當(dāng)單幅圖像中具有相似背景時(shí)，仍因存在誤匹配而導(dǎo)致錯(cuò)誤的拼接結(jié)果。因此我們又引入隨機(jī)抽樣一致性(random sampleconsensus，RANSAC)算法來(lái)去除誤匹配對(duì)，提高了圖像匹配準(zhǔn)確性。找出匹配點(diǎn)對(duì)后，下一步就是根據(jù)這些匹配點(diǎn)對(duì)計(jì)算圖像間的坐標(biāo)變換也即變換矩陣，我們采用奇異值分解(singular value decomposition，SVD)技術(shù)計(jì)算變換矩陣，利用變換矩陣將圖像重新采樣到一個(gè)新的圖

7、像空間中，從而實(shí)現(xiàn)拼接。 但此時(shí)一些重疊處的拼痕清晰可見，因此需要一種有效的融合方法。融合方法主要有三類：中值濾波器、加權(quán)平均法和多分辨率樣條法。中值濾波器處理邊界附近的狹長(zhǎng)地帶，因此該方法速度快，但質(zhì)量一般。多分辨率樣條法在所有頻率域上處理邊界附近區(qū)域，因此質(zhì)量高，但工作量大、計(jì)算時(shí)間長(zhǎng)，不適宜在一般的圖像拼接中使用。加權(quán)平均法直觀簡(jiǎn)潔，速度較快，是比較常用的一種算法。因此本文融合部分使用加權(quán)平均法以保證重疊部分平滑過(guò)渡。

8、 綜上所有因素，本文提出了一種高質(zhì)量的快速自動(dòng)拼接方法，該方法能夠成功拼接原來(lái)拼接失敗的圖像，大大提高了拼接準(zhǔn)確性，拼接質(zhì)量亦有所提高，而且在正確拼接圖像的同時(shí)最大限度地降低了耗時(shí)，與其它方法相比性能更優(yōu)，可以實(shí)現(xiàn)高質(zhì)量快速的拼接系統(tǒng)。而且本文提出了使用信息熵作為拼接圖像質(zhì)量的客觀評(píng)價(jià)標(biāo)準(zhǔn)，用精確的數(shù)據(jù)證明了本文方法是一種高質(zhì)量拼接。 此外本文方法除了可對(duì)普通數(shù)碼相機(jī)拍攝的圖像進(jìn)行正確拼接外，還能應(yīng)用于遙感圖像的拼接、紅外圖