数字图像拼接技术探究探析.docVIP

数字图像拼接技术探究探析摘要：数字全景图像的获取需要采用图像拼接技术来实现，图像拼接的研究已经日益成为了计算机视觉和数字图像处理领域的研究热点。它在卫星遥感图像合成、虚拟现实、图像复原、视频监控，气象分析、医学诊断、数码游戏等领域、中已得到广泛的应用。 关键词：图像拼接 特征点 配准 融合 中图分类号：TN391.41 文献标识码：A 文章编号：1007-9416(2012)07-0059-01 1、引言 图像拼接技术就是将数张有重叠部分的图像依据某类影射方法，投影到同一个平面上，同过匹配融合，拼成一幅大型的无缝高分辨率图像的技术。图像拼接一般包括图像的获取及预处理、图像配准、建立变换模型、图像的变换和重构、拼缝消除等步骤。在上述步骤中，最关键的技术是图像配准和拼缝消除。而图像拼接质量高低将直接受图像的配准的影响，因此图像配准又是图像拼接技术研究中的重点。 从Kuglin在1975年提出了相位相关法开始，目前国内外对图像拼接算法研究的发展也相当迅速，出现了多种在应用领域使用的成熟算法。而研究的重心主要在图像的配准方面。根据图像配准方法的不同，一般情况下我们把图像拼接算法分为两大类： 1.1 基于特征点的配准方法 基于特征点的配准方法是通过提取图像中变化大的像素作为特征，再对待拼接图像重叠部分中对应的特征区域进行查找匹配，这一类拼接算法由于具有较高的鲁棒性和健壮性，是目前研究得比较多的算法。 基于特征点的配准方法有两个步骤：特征的获取及特征的配准。建立特征集的方法主要是从两幅待拼接的两张照片中将灰度变化比较大的点、直线、曲线等信息作为特征提取出来。然后在生成的特征集中使用设计的特征匹配算法来查找具有对应关系的特征点，将其提取出来。在此过程中，怎样对特征进行有哪些信誉好的足球投注网站匹配是方法应用的难点。这也是目前研究的主要方向。 1.2 基于区域的配准方法 采用基于区域的配准方法实现图像拼接需要对图像的灰度值进行计算，首先将待拼接图像中相同面积大小的指定区域的灰度值差异计算出来，据此判断其相似程度，通过多次计算比较，找出相似度高的区域，以此确定待拼接图像的重叠区域。从而完成图像的拼接操作。 笔者采用基于SIFT特征点的配准方法进行图像拼接技术的实践研究。 SIFT算法由D.G.Lowe 2004年提出的，它利用多尺度变换在尺度空间中寻找极值点，提取特征点位置和方向，是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。它拥有独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配等特点。 2、特征点的提取 SIFT特征量提取算法一般包含四个步骤： (1)初步确定特征点位置和尺度，并做极值检测。一般在DOG尺度空间中检测局部极值，这里DOG算子是将两个不同尺度高斯核的差分同图像进行卷积运算。 (2)特征点的筛选。对上述方法得到的极值点，用Hessian矩阵计算该点的稳定性。其中所用尺度为该特征点的尺度，主方向将是使得取最大值的方向。在实际计算中，以特征点为中心，在其邻域窗口内用直方图统计邻域像素的梯度方向，一般将0-360度按每10度计算一个方向梯度，形成36个柱。直方图中的峰值对应的角度区间可近似为该特征点的主方向。 (3)稳定的特征点的主方向计算。利用主方向消除旋转对特征点的影响，使得特征具备旋转不变性。其中，主方向可通过梯度公式计算。 (4)提取SIFT特征向量。首先将坐标轴旋转为关键点的方向，保持旋转不变性。以特征点为中心取4x4的领域子块，在领域中，对每个像素点定义8个方向向量。这样，每个特征点就可得到128个方向特征描述，将这128个方向特征描述进行归一化形成SIFT特征向量，可消除对亮度变化依赖性。 3、图像配准 由于在两幅图像之间可能存在平移、旋转和仿射变换，需在拼接前做配准的工作。可以说，图像拼接的质量依赖于图像的配准程度，图像配准算法是拼接算法的核心算法之一，配准算法要在保证配准精度的情况下，计算复杂度尽量小。 对于同一视点拍摄的两幅图像，图像对应匹配点间的变换关系可以采用一个的8*8参数投影变换模型来描述： 由于有8个未知的参数，求解投影变换矩阵的参数需要建立8个方程，联立可解出。我们只需在两幅图像中选取K（≥4）对特征对应点，就可以通过方程组确定变换矩阵。利用求得的变换矩阵，将一幅图像上的点一一对应地映射到另一幅图像上，就可以得到配准图像。 4、拼缝消除 两幅要拼接的图像在配准后，两幅图像就可以根据对准的位置合并为一幅较大的图像，实现图像拼接。但在实际情况中，由于拍摄时间和角度的不同，对应的重叠部分可能出现明暗强度的差异。所谓拼缝消除技术，就是在拼接区域进行平滑过渡。在图像拼接过程中，利用拼缝消除可以消