基于特征点的图像配准与拼接技术研究
基于特征点匹配的图像拼接方法
提取 ， 则计 算 量 会 过 于 庞 大 。 为此 在 进 行 ＳＦ 提 ＩＴ 取 特 征前应 先将 彩 色图转 变为 灰度 图 ， 即采用 公式
ｆｒ ａ ｇｅＨ ｔｉ，ｔｅｅｏ ｅ ｍａ ｅｔ ｅ ｗｏｉ ｇ ｓ ｉｈｈ ｖ ｎ ｌ ｄｆ ｒｎ ｅ ｄｕ ｔ ｏｖ ｒｉ ｏ ｍ ｎ ｌ ｍａｒ ｘ ｈ ｒｆｒ ， ｋ ｈ ｔ ｍａ ｅ ｃ ａ ｅａ ｇｅ ｉｅｅ ｃ ｊｓ ｅｔ ｗｈ ｆ ａ ｔ — ｃｌ ｈ ｏｉｇｐａ ｅ ｉａｌ ， ｓｉ ｉｇａ ｊｓｅ ｗｏｉ ｇ ｓａ ｃｒ ｉｇＳ Ｆ ｎ ｒｊｃｉｎａｇ — ａ ｓ ｏ ｔ ｌｎ ．Ｆ ｎ ｌ ｍｏ ａｃ ｎ ｄｕ ｔｄｔ ｎ ｙ ｋ ｍａ ｅ ｃｏｄｎ Ｉ ａ ｄｐｏｅｔ ｌｏ Ｔ ｏ
抽样一致性去粗 算法求得 两幅图像 间的 Ｈ 矩 阵初值 ， 并运 用迭代精 炼算法求 出 Ｈ 矩阵的精确值 ， 用摄像 头预 先 利
拍摄好 的固定角度 的 图像 来得 到转换角度的 Ｈ 矩 阵， 而将 均具有 角度 差的 两幅图像调 整至垂直拍摄 的平 面， 从 最 后根据尺度 不变特征 变换 匹配算法及投影算法将调 整后 的 两幅 图像拼 接 。实验表 明， 本方 法简单 易行 ， 可降低 具 有 角度 差的两幅图像 拼接 后的边缘变形 ， 而改善拼接 质量 。 从 关键词 ： 尺度不变特征 变换 匹配算法； 图像拼 接 ； 影矩 阵； 投 投影 变形 中图分 类号 ： Ｐ ５ ． Ｔ ７ １１ 文献标识码 ： Ａ 文章编 号 ：０ ７ ２ ４ ２ １ ）１ ０ ８ —０ １ ０ —３ ６ （０ ２ ０ — ０ ７ ５
析 图像 中 的多种 不 变量 ， 从 多 方 面进 行 限制 与 筛 并 选 ， 而在选 择候 选 特征 点 时充 分 根据 配准 的需 要 进
测绘中的图像配准与图像融合技术
测绘中的图像配准与图像融合技术在测绘领域，图像配准和图像融合技术扮演着重要的角色。
图像配准是指将两幅或多幅图像进行准确地对齐，以便在后续的分析和处理中使用。
而图像融合则是将不同传感器获取的多幅图像融合为一幅图像，以提高图像的质量和信息提取能力。
这两种技术的结合可以为测绘工作提供更加精确和全面的数据支持。
图像配准是测绘工作中常用的技术，它可以对不同时间、不同角度或不同传感器获取的图像进行对比和分析。
基于遥感影像的配准，可以实现矢量数据和栅格数据的相互转换和叠加分析。
在实际应用中，图像配准可以用于地物分类、变化检测、地表变形监测等方面。
图像配准的关键是找到两幅或多幅图像之间的对应关系，即确定它们之间的几何变换参数。
常见的图像配准方法包括基于特征点的方法和基于相位相关的方法。
特征点法通过检测图像中的关键特征点，如角点、边缘等，然后通过匹配这些特征点来确定图像之间的变换关系。
而相位相关法则是利用图像的频域信息来计算图像之间的相似性，从而得到图像之间的几何变换参数。
图像融合是将多个传感器获取的图像进行融合，以达到更全面、更准确的信息提取效果。
常见的图像融合方法包括基于像素的方法和基于特征的方法。
像素级融合将不同图像的像素值进行加权平均，以得到融合后的图像。
而特征级融合则是通过提取不同图像中的特征信息，如边缘、纹理等，然后将这些特征信息进行融合以得到最终的图像。
在测绘中，图像融合技术可以用于提高地物提取的精度和准确性。
例如，在高分辨率遥感图像中，利用多传感器图像融合可以将可见光和红外图像进行融合，以提高地物分类的精度。
同时，图像融合还可以用于消除传感器本身的噪声和模糊，从而提高图像的清晰度和质量。
除了以上的应用，图像配准和图像融合技术还可以在测绘中发挥其他的作用。
例如，在地表变形监测中，通过将多时相的遥感图像进行配准和融合，可以获取地表变形的信息，从而实现地质灾害的预警和监测。
此外，图像配准和图像融合技术还可以在地理信息系统中进行数据整合和更新，以支持地理空间数据的管理和分析。
MATLAB中的图像配准与匹配方法
MATLAB中的图像配准与匹配方法图像配准与匹配是计算机视觉领域的重要研究方向。
配准指的是将多幅图像在空间上对齐，使得它们之间的特定特征点或特征区域对应一致。
匹配则是在已经配准的图像中寻找相似的图像区域。
在实际应用中，图像配准与匹配常用于医学图像分析、遥感影像处理、计算机视觉等领域，具有广泛的应用前景。
MATLAB作为一种强大的数值计算与数据可视化软件，提供了丰富的图像处理和计算机视觉函数，使得图像配准与匹配任务变得更加简便和快捷。
下面将介绍几种常用的MATLAB图像配准与匹配方法。
一、基于特征点的图像配准特征点是图像中具有鲁棒性和独特性的点，常常用于图像配准任务。
在MATLAB中，可以使用SURF(Speeded-Up Robust Features)或SIFT(Scale-Invariant Feature Transform)等函数来检测图像中的特征点。
然后可以通过计算特征点间的相似度或使用一致性约束等方法来对图像进行配准。
二、基于图像区域的图像配准除了特征点外，图像的局部区域也可以作为配准的参考。
一种常用的方法是使用归一化互相关(Normalized Cross Correlation)来度量两幅图像之间的匹配度。
在MATLAB中，可以使用normxcorr2函数来实现归一化互相关操作。
该函数将两幅图像进行归一化，并计算它们之间的互相关系数，从而确定最佳的配准位置。
三、基于形态学的图像配准形态学图像处理是一种基于形态学运算的图像处理方法。
它利用图像中的形状、结构和拓扑信息来进行图像处理和分析。
在图像配准中，形态学操作可以用来提取图像区域的形状信息，并进行形状匹配。
在MATLAB中，可以使用bwmorph函数进行形态学操作，例如腐蚀、膨胀、开运算、闭运算等，从而实现图像的配准与匹配。
四、基于变换模型的图像配准图像配准中常常涉及到图像的几何变换，例如平移、旋转、缩放、投影变换等。
在MATLAB中，可以使用imwarp函数来对图像进行几何变换和配准。
(最新)ENVI对图像进行配准、校正、拼接、裁剪
目录第一部分利用ENVI对图像进行配准-校正-拼接-裁剪 (2)一、图像配准与校正 (2)（一）基础知识 (2)（二）ENVI操作 (4)二、图像镶嵌（图像拼接） (16)（一）基础知识 (16)（二）ENVI操作 (16)三、图像裁剪 (20)（一）基础知识 (20)（二）ENVI操作 (21)第二部分：下载影像及介绍 (26)（一）基本信息 (26)（二）日期信息 (26)（三）云量信息 (26)（四）空间信息 (26)第一部分利用ENVI对图像进行配准-校正-拼接-裁剪一、图像配准与校正（一）基础知识1、图像配准就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。
2、几何校正是指利用地面控制点和几何校正数学模型，来矫正非系统因素产生的误差，非系统因素如传感器本身的高度、地球曲率、空气折射或地形等的影响。
由于校正过程中会将坐标系统赋予图像数据，所以此过程包括了地理编码。
简单来说，图像校正是借助一组控制点，对一幅图像进行地理坐标的校正。
本文将采用地面控制点+校正模型的几何校正方式中的Image to Image，利用Image格式的基准影像对2006年兰州TM影像进行配准与校正。
3、图像选点原则[1]选取图像上易分辨且较精细的特征点，如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、飞机场、城廓边缘等。
[2]特征变化大的地区需要多选。
[3]图像边缘部分一定要选取控制点。
[4]尽可能满幅均匀选取。
[5]保证一定数量的控制点，不是控制点越多越好。
4、数理知识：[1]多项式模型x=a0+a1X+a2Y+a3X²+a4XY+ a5Y²+....y=b0+ b1X+b2Y+b3X²+ b4XY +b5Y²+ ....X，Y：校正前该点的位置；x，y：校正后该点的位置[2]最少控制点个数： ( n+1 )²[3]误差计算：RMSEerror= sqrt( (x' -x)²+ (y' -y)²)5、重采样方法（插值算法）[1]最近邻法概念：取与所计算点( x，y )周围相邻的4个点，比较它们与被计算点的距离，哪个点距离最近就取哪个亮度值作为 ( x，y )点的亮度值优点：简单易用，计算显小缺点：图像的亮度具有不连续性，精度差[2]双线性内插法概念：取(x，y)点周围的4个邻点，在y方向内插2次，再在x方向内插1次，得到( x，y)点的亮度值 f ( x，y)优点：双线性内插法比最近邻法虽然计算虽有所增加，但精度明显提高，特别是对亮度不连续现象或线状特征的块状化现象有明显的改善。
基于SIFT特征的图像检索技术研究
然而，现有的基于SIFT特征的图像检索方法还存在一些挑战和问题，如特征 选择的不准确性和跨域性问题等。未来的研究可以针对这些问题展开深入探讨， 进一步提高图像检索的准确性和效率。此外，随着深度学习技术的快速发展，研 究者可以尝试将深度学习与基于SIFT特征的图像检索技术相结合，探索更有效的 图像特征表达和匹配方法。
1、图像特征提取
图像特征提取是图像检索的核心，它通过一定的算法从图像中提取出能够代 表图像内容的关键信息，如颜色、纹理、形状等。这些特征可以有效地描述图像 的内容和特征，为后续的图像比较和分析提供基础。常用的特征提取方法包括 SIFT、SURF、ORB等。
2、相似度比较
在提取出图像的特征之后，我们需要对这些特征进行比较，以确定两幅图像 的相似度。常用的相似度比较方法包括欧氏距离、余弦相似度、交叉相关等。这 些方法通过计算特征向量之间的距离或者相关系数，来评估两幅图像的相似程度。
3、检索算法
基于特征的图像检索技术中常用的检索算法包括基于内容的检索、基于神经 网络的检索和基于深度学习的检索等。其中，基于内容的检索通过比较查询图像 和库中图像的特征，找出最相似的图像；基于神经网络的检索通过训练神经网络 来学习图像特征和标签之间的关系，从而对新的图像进行分类和检索；基于深度 学习的检索通过构建深度神经网络模型，对图像进行深度特征提取和分类，从而 实现高精度的图像检索。
SIFT特征最早由David Lowe在1999年提出，具有尺度不变性、旋转不变性、 亮度不变性等优点。自提出以来，SIFT特征在计算机视觉领域得到了广泛应用， 包括目标识别、图像配准、图像检索等。在图像检索领域，SIFT特征可以有效地 表达图像的内容和特征，提高检索准确率。然而，现有的基于SIFT特征的图像检 索方法还存在一些问题，如特征选择不准确、匹配效率低等。
基于特征点的数字图像配准
１ 基 于特 征 的图 像 配准 方 法
迄 今为止 ， 国内外 图像 处理研 究领域 已 报 道 了相 当 多的图像配 准研究 工作 ， 生 了不 少图像配准 方 在 产
法 ． 总 的来 说 ， 各种 方法 都 是面 向 一 定范 围的 应Ｊ 领 域 ， ‘ ｝ ＿ ｝ ｊ 且具有 各 自的特 点 的 ．根据 图像配准 中匹配基 元
维普资讯
第２ ５卷 第 ６期
２０ ０ ７年 １ ２月
河
南
科
学
Ｖ１５ ｏ ． Ｎｏ６ ２ ．
Ｄｅ ．２ ０７ ｅ ０
ＨＥＮＡＮ ＳＣＩ ＥＮＣＥ
文章 编 号 ：０ ４ ３ １ （０ ７０ — ９ ２ ０ １０ — ９８ ２ ０ ） ６ ０ ９— ３
阶 曲率 ， 图像 中 的任 意一 点 ， 果它 的水 平 曲率 和垂 直 曲率值 都高 于局部邻 域 中其它 点 ， 认为 该点是 特 对 如 则
征 点 ．它 计算 简单 有效 同 时非常 稳定 ， 图像 旋转 、 度 、 在 灰 噪声 影 响和视 点变 换 的条件 下 ， 其 他算 子相 比 与
收稿 日期 ：２ ０ — ６ １ ０７０— ２ 作 者 简 介 ：张 俊 峰 （９ ８ ） 男 ， 南 郾 城 人 ， 师 ， 究 方 向为 图 像 处理 及 自动控 制 理 论 ． １６ 一 ， 河 讲 研
维普资讯
２０ ０ ７年 ｌ ２月
张俊峰 等：基于特 征点的数字图像配准
２ 用 Ｈａ ｒ 算 子 法进 行 图像 配 准 ｒｉ ｓ
Ｈａ ｉ算子是 ｃＨ ｒｓ Ｍ．ｅｈｎ在 １８ ｒｓ ．ａ ｉ和 Ｓ ｐｅ ｔ ９ ８年提 出的一‘ 基于静止 图像 的点特征提取 算子ｆ 种 ３ ］ ．这种算 子
图像匹配算法研究
图像匹配算法研究一、概述随着数字化时代的深入发展，图像数据呈现出爆炸性增长，如何从海量的图像数据中高效、准确地找到目标图像成为了迫切需要解决的问题。
图像匹配算法研究作为计算机视觉领域的一个重要课题，其目标是找出不同图像中的相同或相似部分，从而建立图像之间的映射关系。
这一研究领域不仅对于图像检索、目标跟踪、场景识别等应用具有重要意义，而且对于推动计算机视觉技术的发展起到了关键作用。
图像匹配算法的基本原理可以概括为特征提取和特征匹配两个步骤。
特征提取是从图像中提取有意义的信息的过程，这些信息可以是图像中的边缘、角点、斑点等局部特征，也可以是图像的纹理、颜色、形状等全局特征。
特征提取的目的是将原始图像转化为一种更紧凑、更易于比较和处理的形式。
而特征匹配则是将提取出的特征进行比较和配对，以找出两幅图像中相似或相同的特征点，从而建立图像之间的对应关系。
在过去的几十年中，研究者们已经提出了许多图像匹配算法，这些算法可以分为基于灰度的图像匹配和基于特征的图像匹配两大类。
基于灰度的图像匹配方法主要利用图像的灰度信息来进行匹配，而基于特征的图像匹配方法则通过提取和比较图像中的特征来进行匹配。
尽管这些算法在一定程度上提高了匹配的精度和速度，但由于复杂的拍摄环境和不断提高的匹配精度和实时性要求，现有的算法仍然面临着许多挑战。
1. 图像匹配算法的定义与重要性图像匹配，又称图像配准或图像对齐，是计算机视觉领域中的一个核心问题。
它指的是在不同时间、不同视角、不同传感器或不同条件下获取的两幅或多幅图像之间，寻找并确定相同目标或特征间的对应关系的过程。
简言之，图像匹配就是要找出两幅图像中相同或相似部分的对应关系。
图像匹配算法的重要性体现在多个方面。
它是许多高级计算机视觉任务的基础，如目标跟踪、三维重建、图像融合、图像拼接等。
在这些任务中，通常需要先对图像进行匹配，以确定不同图像间的对应关系，进而进行后续处理。
图像匹配在遥感图像处理、医学影像分析、安全监控等领域也有着广泛应用。
基于SURF特征点的图像配准系统
Ｉ ａ ｅ ｒ ｇｓｒ ｔ ｎ ｓ ｓｅ ａ ｅ ｎ Ｓ ｍ ｇ ｅ ｉｔａ ｉ ｙ ｔｍ ｂ ｓ ｄ ｏ ＵＲＦ ｆ ａ ｕ ｅ ｐ ｉ ｔ ｏ ｅ ｔ ｒ ｏ ｎ ｓ
ＺＨＡＯ 。ｉ． ＸＵ ｎ ． Ｐ Ｙｉｌ Ｄａ ＡＮ ｉｇ ｎ Ｚｈ ． ｅ ｇ （ ．Ｄ ｐ ｒ ｎ ｏ ｏ ｐ ｔ ｎ ｆｒ ａｉｎＳｉｎｅ，Ｓ ｕ ｗ ｓ Ｆ ｒｔ ｎ ｅ ｉ ，Ｋ ｎ ｎ ｕｎ ｎ６ ０ ２ ，Ｃ ｉ ； Ｉ ｅａｔ ｔｆＣ ｍ ｕｅ ａｄ Ｉ ｏｍ ｔ ｃ ｃｓ ｏｔ ｅｔ ｏｅ ｒ Ｕ ｉ ｒｔ ｕ ｍｉ Ｙｎ ａ ５ ２ ４ ｈｎ ｍｅ ｒ ｎ ｏ ｅ ｈ ｓ ｙ ｖ ｓｙ ｇ ａ ２ ｅａｔｅｔｆＣ ｍ ｕｅ Ｓ￣＇ ｎ 西 ∞ ，Ｙｎ ａ ｎ ｅｓｙ Ｙｎ ａ ５ ０ １ ｈｎ ； ．Ｄ ｐｒ ｎ ｏ ｔｒ Ｃ ｌｅａ ｍ ｏ ｐ ｔ ｄ Ｃ ｕ ｎ ｎＵ ｉｒｔ，＾ Ｍ ｖ ｉ ｕｎ ｎ６ ０ ９ ，Ｃ ｉ ａ ３ ｔｔ ＫｙＬｂｒｔｒ Ｃ Ｄ ＆ Ｃ ， ．Ｓａｅ ｅ ａ ｏ ｏｙ ａ Ａ ａ Ｕ ｉ ｒｔ，Ｈ ｎ ｚｏ ｈ ｉｎ １０ ７ ｈｎ ） ｎｖ ｓｙ ａ ｇｈ ｕＺ ４ａ ｇ３ ０２ ，Ｃ ｉａ ｅｉ
特征点距 离之 比得到初始 匹配点对 。然后使 用 Ｒ Ｎ Ａ Ａ Ｓ Ｃ算法剔除错 误 匹配特征 点对 ， 同时计 算得 到 图像之 间的变换 参数 。实验结果表明该方 法能 够实现不 同分辨率 图像的 自动配 准。 关键词 ：图像 配准；特征 匹配 ； 鲁棒估计
中 图分 类 号 ： Ｐ ９ ． １ Ｔ ３ １４ 文 献 标 志码 ： Ａ
０ 引 言
图像配准在遥感 图像处理 … 、 医学 图像 处理 和计算 机 视觉 等领域有着 广泛 的应 用 。传 统的 图像 匹配 主要基 于
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
几年成为 国内外计算 机视觉 领域的热点Ｌ 。文献 ５ ］ ［］ １ 种代表性算子（ ６对 ０ 如不变矩 ， 互相关 ， ｆ等） ｓｔ ｉ
进 行 实验 和性 能 比较 ， 果表 明 ｓ ｔ 征 描述 符 对 结 ｉ特 ｆ 光 照变 化 、 图像 旋 转 、 比例缩 放 、 何 变形 、 糊 和 几 模 图像压 缩等 ６ 情况 下 的性能 最好 。为 了 降低 ｓ ｔ 种 ｉ ｆ
Ｃｌｓ ｍｂｅ ＴＰ ９ ａ ｓ Ｎｕ ｒ ３１
１ 引言
２ 基 于频域 功率谱 的匹配＿ ， 种方法计算 ） ３这 ］
速 度很 快并 且 可 以克 服相 关性 噪 声 的干 扰 ， 但要 求
图像配准与拼接技术广泛运用于医学 图像 ， 监 重 叠 区域 足够 宽 ； ３ 于 特 征 的 匹配 ［ ， 种 方 法 提 取 特 征 点 ）基 ４这 ］ 控 系统 ， 器视 觉 及 虚拟 现 实 领域 。图像 配 准 与拼 机 接的 目的是将 多 幅相互 间有 重叠 部分 的 图像序列 进 行 空间匹配 对 准 ， 经重 采 样后 最 终 形成 包 含 各 图像 序 列信息 的一幅宽视 角图像 。整个 过程 包括 以下三 步 ： ）图像 采集 ； ）图像配准 ； ）图像融合 。配准 １ ２ ３ 是 拼接 的核心 ， 到有 效 精确 快 速 的 图像 自动配 准 找 容易 ， 但算 法较 复杂 ， 间复杂 度较 高 。 时
Ｍ ｏ ａ ｃ Ｔｅ ｈｎｏ ｏ ｈｙ Ｂａ ｅ ｎ Ｓ ｆＦｅ ｔ ｅ ｓ ｉ ｃ ｌ ｇ ｓ ｄ ｏ ｕｒ ａ ｕｒ
Ｒｕ ｎ Ｑｉ Ｐ ｎ ｎ ＬｉＲｕ ａ ｎ ｅ ｇ Ｇａ ｇ ｉ （ ｏ ｔｏ ｃｅ ｃ ｎ ｇｎ ｅｉｇ，Ｈｕ ｚ ｏ ｇ Ｕｎｖ ｒｉ ｆＳ ｉｎ ｅａ ｄ Ｔｅ ｈ ｏｏ ｙ Ｃ ｎ ｒ ｌ ｉｎ ｅａ ｄ Ｅｎ ｉｅ ｒｎ Ｓ ａ ｈ ｎ ｉｅ ｓｔ ｏ ｃｅ ｃ ｎ ｃ ｎ ｌｇ ，Ｗ ｕ ａ ４ ０ ７ ） ｙ ｈｎ ３ ０ ４
ｔａ ｉｉｎ ｌｓｆ ｌｏ ｉｈ ｕ ｅ ｏｅ ｔａ ｔｆａｕ ｅｐ ｉｔ ｅ ｄ ｌｒ ｅｃ ｍｐ ｔ ｔ ｎａ ｄｉ ｉ — ｃ ｎ ｕ ｉｇ．ａ ｒ ｖ ｄｓ ｒ ｔ ｒ ｄｔ ａ ｉ ａｇ ｒｔｍ ｓ ｄ ｔ ｘ ｒｃ ｅ ｔ ｒ ｏｎ ｓｎ ｅ ａｇ ｏ ｕ ａｉ ｎ ｔ ｏ ｔ ｏ ｓ ｍｅ ｏ ｓ ｍ ｎ ｎ ｉ ｏ ｅ ｕ ｆａ— ｍｐ ｇ ｒ ｈ ｗａ ｓｄ ｔ ｘ ｒ ｃ ｅ ｔｒ ｏｎ ｓｉ ｈ ｖ ｒａ ｅ ｉｎｂ ｔ ｅ ｈ ｅ ｉｔｒｄ ｉ ｇ ｓａ ｄｂ ｆａｇ ｒ ｈ ｗａ ｓｄ ｔ ｏ ｉ ｍ ｓｕ ｅ Ｏ ｅ ｔａ ｔｆａｕ ｅｐ ｉｔ ｎｔ ｅｏ ｅｌｐ ｒｇｏ ｅｗｅ ｎ ｔｅｒｇｓｅ ｅ ｔ ｍａ ｅ ｎ ｂ ｌｏ ｉ ｍ ｓｕ ｅ ｏ ｔ ｆ ｄ ｉｉａ ｔｈｎ ａｒ． ｅ ｉ ｎｔ ｌｍａｃ ｉｇｐ ｉｓ Ｔｈ ｎ，ｔ ｅｔａ ｓｏ ｍｉｇｍ ａｒｘＨ ｓｃ ｍｐ ｔｄｗｉ ｎ ｉ ｈ ｒ ｎ ｆｒ ｎ ｔｉ ｗａ ｏ ｕ ｅ ｔ ＲＡＮＳ ｈ ＡＣ ｌｏ ｉ ｍ ｆｅ ｏ ｇ ｐ ｉ ｒ ａｇ ｒ ｈ ａｔｒｗｒ ｎ ａｒ ｗｅｅ ｔ ｓ ｒｍｏ ｅ ． Ｉ ｈ ｎ ｅ ｖ ｄ ｎ ｔ ｅｅ ｄ，ｓ ｏｈ ｍｏ ａｃｗａ ｅ ｌ ｅ ｔ ｅ ｍｌｓ ｅ ｈ ｏｏ ｈ ． ｍｏ ｔ ｓ ｉ ｓｒａｉ ｄｗｉ ｓ ａ ｅ ｓｔｃ ｎ ｌｇ ｙ ｚ ｈ Ｋｅ ｏ ｄｓ ｉ ｇ ｅ ｉｔａ ｉｎ，ｓ ｒ ，ｂ ｆ ａ ｓ ｃ ｅ ｍｌｓ ｓｉ ｙ Ｗ ｒ ｍａ ｅｒｇｓｒ ｔ ｏ ｕ ｆ ｂ ，ｒ ｎ ａ ，ｓａ ｅ ｓｍｏ ａｃ
Ａｂ ｔ ａ ｔ Ｔｈ ｅ ｏｎ ｓ ｏ ｈ ｕ ｃ ｓ ｆ ｉ ａ ｅ ｒ ｇ ｓ ｒ ｔ ｎ ａ ｄ ｍｏ ａ ｃ ａ ｅ ｆ ａ ｕ ｅ ｅ ｔ ａ ｔ ｎ ａ ｄ ｍａ ｃ ｉｇ Ａｓ ｔ ｅ ｓ ｒｃ ｅ ｋ ｙ ｐ ｉ ｔ ｆ ｔ ｅ ｓ ｃ ｅ ｓ ｏ ｍ ｇ ｅ ｉｔａ ｉ ｎ ｓ ｉ ｒ ｅ ｔ ｒ ｘ ｒ ｃ ｉ ｎ ｔ ｈ ｎ ． ｈ ｏ ｏ
总第 ２ ６ ５ 期
２ １ 年第 ２ ０１ 期
计算机与数字工程
Ｃｏ ｕ ｅ ｍｐ ｔｒ＆ Ｄｉｉ ｌＥｎ ｉｅ ｒ ｇ ｇｔ ｇｎ ｅｉ ａ ｎ
Ｖｏ． ９ Ｎｏ ２ １３ ． １１ ４
基 于特 征 点 的 图像 配 准 与 拼 接 技 术 研 究
阮 芹 彭 刚 李 瑞
４０ ７ ） ３ ０ ４ （ 中科技 大学控制科学与控制工程系 武汉 华
ｒ ｓｃ ａ ａ 算法剔 除误 匹配并计 算两幅 图的变换关 系 ， ｎ 最后采用无缝拼接技 术实现 了图像的平滑镶嵌 。
关键词 图像 配准 ；ｓｒ；ｂ ｆ ａ ｓｃ 无缝拼接 ｕｆ ｂ；ｒｎ ａ ；
ＴＰ ９ ３１ 中 图分 类号
Ｓｔ ｙ ｏ ｍ ａ ｅ Ｒ ｅ ｉｔ ａ ｉ ｎ ａ ｄ ｕｄ ｎ Ｉ ｇ ｇ ｓ ｒ ｔｏ ｎ
方法是整个工作的关键。常见的配准方法有： １ 于 像 摘
要 图像 配准与拼接成功 的关键在 于特征点提取和匹配 。针对传统 的 ｓ ｔ ｉ 算法提取特征点计算 量大 、 时长的 问 ｆ 耗
题， 文章采用改进后 的 ｓｒ 算 法 先对 两 幅 图像 的重 叠 部分 提 取特 征 点 ， ｕｆ 使用 ｂ ｆｂ ｓ－ｉ ｆｓ） 找初始 匹配对 后采 用 ｂ （ ｅｔ ｎ ｉ ｔ 查 ｂ －ｒ