基于图像点特征的拼接技术研究
基于FPGA的图像拼接技术研究与实现
基于FPGA的图像拼接技术研究与实现徐扬;王晓曼;朱佶;刘鹏;姜浩【摘要】由于目前成熟的图像拼接技术普遍采用软件方法,获得的大视场视频会有不便于实时性的缺陷,提出了一种基于FPGA可编程技术控制多个CMOS摄像头视频数据并实时拼接的方法.该系统采用双目摄像头OV5640获取两路分辨率为320*240的图像数据,用Altera公司的Cyclone IV系列FPGA芯片作为核心芯片完成对两路CMOS视频图像的采集和处理,并通过两片DDR2芯片完成图像数据的缓存,视频图像经过拼接后由VGA显示.图像拼接部分主要通过以实验为基础的相位标校法完成两路图像的配准工作,采用加权算法进行图像融合工作,消除拼接缝,拼接后的视频分辨率为406*192,视场得到扩大,满足实时性要求,具有一定代表性.【期刊名称】《长春理工大学学报（自然科学版）》【年(卷),期】2018(041)006【总页数】6页(P94-98,103)【关键词】图像采集;相位标校;加权融合;FPGA实现【作者】徐扬;王晓曼;朱佶;刘鹏;姜浩【作者单位】长春理工大学电子信息工程学院,长春 130022;长春理工大学电子信息工程学院,长春 130022;长春理工大学电子信息工程学院,长春 130022;长春理工大学电子信息工程学院,长春 130022;中国华录·松下电子信息有限公司,大连116023【正文语种】中文【中图分类】TP391图像拼接技术主要目的在于将多幅有重叠区域的图像拼接成一幅完整的大视场图像，其过程主要为图像配准和图像融合两步，图像配准工作在于找出两幅图像中的重叠区域的坐标关系并将两幅图像拼成一幅图像，图像融合工作主要在于消除图像配准工作拼接图像中由于亮度、对比度等因素引起的拼接缝，最后得出一幅完整的图像。
随着技术的发展，目前视频拼接技术发展已经比较成熟，各种视频拼接的技术已经在我们的日常生活中投入使用，如车载监控、智能监管、交通等领域都涉及到大视场成像，会用到视频拼接技术。
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。
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。
如何使用Matlab进行图像拼接和图像融合技术实现
如何使用Matlab进行图像拼接和图像融合技术实现引言：随着数字图像处理的快速发展，图像拼接和融合技术在许多领域中得到了广泛应用，如航空摄影、医学影像和虚拟现实等。
在本文中，我们将探讨如何使用Matlab软件来实现图像拼接和图像融合的技术。
通过学习这些技术，您将能够将多个图像合并为一个大的全景图像，并且可以通过融合不同曝光或不同焦距拍摄的图像来得到一个更高质量的图像。
一、图像拼接技术图像拼接是将多幅图像无缝合并为一个更大的全景图像的过程。
在Matlab中，可以通过以下步骤进行图像拼接：1. 加载图像：使用imread函数加载所有待拼接的图像。
确保拼接的图像具有重叠区域。
2. 检测特征点：使用SURF（Speeded-Up Robust Features）等特征检测算法在每个图像中找到相应的特征点。
Matlab中提供了现成的函数，如detectSURFFeatures和extractFeatures等。
3. 匹配特征点：使用特征描述符算法（如SURF）比较两幅图像的特征点，并找到相似的特征点。
Matlab中提供了matchFeatures函数来实现。
4. 估计变换矩阵：使用RANSAC算法估计两幅图像之间的单应性变换矩阵，该矩阵描述了如何将一个图像变换到另一个图像中。
Matlab中的estimateGeometricTransform函数可以实现这一步骤。
5. 图像拼接：使用warping技术将所有图像根据变换矩阵进行变换，并将它们拼接在一起。
Matlab提供了warp函数来实现这一过程。
6. 调整拼接后的图像：根据需求，使用imcrop函数对拼接图像进行裁剪，并使用imresize函数调整尺寸。
通过以上步骤，您可以使用Matlab实现图像拼接技术，并得到一个无缝连接的全景图像。
二、图像融合技术图像融合是将不同曝光或不同焦距下拍摄的图像进行融合，以得到更高质量的图像。
在Matlab中，可以通过以下步骤实现图像融合：1. 加载图像：使用imread函数加载待融合的图像。
医疗影像处理技术的图像拼接与重建方法
医疗影像处理技术的图像拼接与重建方法医疗影像拼接和重建技术在医学领域中扮演着重要的角色，为医生提供了更全面和准确的诊断依据。
随着计算机技术的发展，图像处理算法的应用不断深入，使得医疗影像处理技术得到了极大的提升。
本文将重点讨论医疗影像拼接与重建的方法以及其在临床应用中的意义。
首先，我们将介绍图像拼接技术。
图像拼接是将多个局部图像拼接成一个全景图像的过程。
医疗影像拼接通常应用于体检和手术导航等领域。
在体检中，医生需要全面查看患者的器官情况，但是传统影像设备往往无法一次性获得全景图像。
通过图像拼接技术，医生可以轻松地获得患者的整体器官情况。
在手术导航中，医生需要精确地定位手术位置，并进行切割和重建。
通过图像拼接技术，医生可以得到更精确的手术导航图像，提高手术的安全性和准确性。
常用的图像拼接方法包括特征点匹配、图像变换和图像融合。
首先，特征点匹配是图像拼接的关键步骤。
通过提取图像的特征点，并利用特征描述子进行匹配，可以准确地找到两幅图像之间的对应关系。
其次，图像变换是将多个局部图像映射到同一个参考坐标系中的过程。
常用的图像变换方法包括基于仿射变换和透视变换的方法。
最后，图像融合是将多个局部图像无缝地拼接在一起的过程。
常用的图像融合方法包括像素取平均、图像加权和频域融合等。
这些方法能够保持图像的连续性和一致性，提高图像拼接的质量。
其次，我们将介绍图像重建技术。
图像重建是根据有限的采样数据推测出完整图像的过程。
医疗影像重建通常应用于CT扫描和MRI等领域。
CT扫描是通过X射线的多角度扫描获得体内的断层图像，而MRI是通过磁共振的原理获得不同组织类型的影像。
图像重建技术能够提高图像的空间分辨率和对比度，使医生能够更准确地诊断疾病。
常用的图像重建方法包括滤波反投影重建、迭代重建和扩展视角图像重建。
首先，滤波反投影重建是最常用的CT图像重建方法。
它通过将所有投影数据进行滤波处理，然后进行反投影得到重建图像。
其次，迭代重建方法能够通过多次迭代来获得更好的重建图像。
结合特征点与极谐变换的图像拼接_李淑尚
2.3 1 算法主要流程和步骤
图像拼接主要流程如图 1 所示。
提取特征点 输入图像 参考图像 特征匹配 图像融合 目标图像
PCET 的性质
PCET 计算比较简单， 文献 [6] 指出计算一个像素的核
值 （kernel value） 只需要三次乘法 （假设 2π 预先计算和存 储） ， 一次加法， 一个余弦和正弦 （复杂指数） 。 PCET 的因数 （也称为矩） 具有旋转不变性， 设输入图 像为 g1( x1 y1) 逆时针旋转角度为 θ 后得到图像 g 2 ( x 2 y 2) ， 当 g 2 ( x 2 y 2) = g1( x1 y1) 时满足关系：
基金项目： 国家自然科学基金 （No.60802077） ； 中国博士后基金 （No.20100471415） ； 中国矿业大学青年科研基金 （No.2009A022） 。 作者简介： 李淑尚 （1987—） ， 男， 硕士研究生， 主要研究领域为数字图像处理； 李雷达 （1982—） ， 博士， 讲师， 主要研究领域为数字图像处理。 E-mail： li.shushang@ 收稿日期： 2011-05-13 修回日期： 2011-07-25 文章编号： 1002-8331 （2013） 03-0234-04 CNKI 出版日期： 2011-10-13
/kcms/detail/11.2127.TP.20111013.0956.067.html
Байду номын сангаас
李淑尚， 李雷达， 何霁野， 等： 结合特征点与极谐变换的图像拼接 邻域的 PCET 特征矢量并通过计算欧氏距离作为特征点匹 配的依据可以有效去除一些伪匹配点。然后根据几何变 换模型剔除伪匹配对， 利用正确匹配对带入映射模型计算 出变换参数， 最后采用加权平均法进行平滑处理， 使图像 亮度平稳过渡得到一幅无缝的高分辨率的图像。通过大 量的实验证明， 此算法对平移、 旋转、 噪声干扰及尺度变换 的图像均具有很好的拼接效果。 如下关系：
基于ORB特征点的道路图像拼接方法
基于ORB特征点的道路图像拼接方法
李明臻;姜梦炜;陈仕旗
【期刊名称】《现代制造技术与装备》
【年(卷),期】2022(58)11
【摘要】为了快速获取更大范围且清晰度高道路图片,提出一种针对无人机(Unmanned Aerial Vehicle,UAV)近场采集的道路图像拼接方法。
首先,在
ORB(Oriented FAST and Rotated BRIEF)特征点提取的基础上,采用最邻近匹配算法进行特征点间的匹配。
其次,通过汉明距离和随机采样一致(Random Sample Consensus,RanSaC)算法对匹配结果进行筛选,以获取准确的单应性矩阵。
最后,采用最佳缝合线融合算法,使得图像过渡均匀。
实验证明,所提方法可以有效处理无人机航拍路面图像,能够高效、准确地实现路面图像拼接。
【总页数】3页(P56-58)
【作者】李明臻;姜梦炜;陈仕旗
【作者单位】长安大学工程机械学院
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于ORB特征点改进型图像拼接技术
2.基于ORB算法与神经网络的图像特征点提取方法
3.基于改进ORB算法的图像特征点提取与匹配方法
4.一种基于ORB 特征的夜晚图像拼接方法
5.改进ORB特征点检测的图像拼接方法
因版权原因，仅展示原文概要，查看原文内容请购买。
图像拼接的原理和应用
图像拼接的原理和应用一、图像拼接的原理图像拼接是一种将多幅图像拼接成一幅大图的技术。
它可以帮助我们扩展视野，获得更大范围的图像信息。
图像拼接的原理主要包括以下几个方面：1.特征提取：在进行图像拼接之前，首先需要提取图像中的特征点。
常用的特征点提取算法包括SIFT（尺度不变特征变换）和SURF（加速稳健特征）等。
2.特征匹配：通过计算图像中的特征点相似度，找到各图像间的对应关系。
常用的特征匹配算法包括基于特征点的匹配和基于区域的匹配。
3.几何变换：图像在进行拼接时，需要进行几何变换，使得各图像间的特征点能够对齐。
常用的几何变换包括相似变换、仿射变换和投影变换等。
4.图像融合：在完成图像对齐后，需要对图像进行融合，使得拼接后的图像看起来自然。
图像融合常使用的方法有无缝融合、多频段融合和多重层次融合等。
二、图像拼接的应用图像拼接技术广泛应用于许多领域，下面列举了几个常见的应用场景：1.地理测绘：通过对不同角度的航拍图像进行拼接，可以生成高分辨率的地图。
这对于土地利用分析、城市规划和灾害监测等方面非常重要。
2.视频制作：在电影和电视制作中，图像拼接技术可以将不同的视频镜头进行平滑过渡，使得观众无法察觉画面的转换，增强观赏性。
3.虚拟现实：在虚拟现实领域，图像拼接可以用于构建虚拟环境。
通过拼接多个图像，可以实现用户的全方位观察和交互体验。
4.医学影像：在医学影像的处理中，图像拼接可以帮助医生获取更全面、准确的病灶信息。
比如，可以将多张断层扫描合成一张完整的三维影像。
5.工业检测：在工业领域，图像拼接技术可以实现对大尺寸或复杂结构的物体进行检测和分析。
比如，可以拼接多张图像构成一张全景图，提供更全面的视角。
三、图像拼接的优缺点图像拼接技术的应用带来了许多便利，但同时也存在一些限制和缺点。
优点：•视角扩展：通过图像拼接，可以将多张图像拼接成一张大图，扩展视野范围，获得更全面的信息。
•画面连续：通过拼接图像，可以实现画面的连续性，使得观看者无法感知画面的变换，提升用户体验。
图像融合拼接方法
图像融合拼接方法图像融合拼接是指将多幅图像进行合并处理，形成一幅新的图像。
它在计算机视觉、图像处理领域具有重要应用，可以用于拼接全景图、生成虚拟实境等。
本文将介绍几种常见的图像融合拼接方法。
一、传统图像融合拼接方法1.1 直观图像融合拼接方法直观图像融合拼接方法是最简单的一种方法，它直接将两幅图像进行叠加。
例如，在拼接两张风景照片时，可以将两个图像的像素值相加或取平均值，从而合并成一幅新的图像。
这种方法的优点是操作简单，但缺点是容易导致拼接处的边缘不连续，不够自然。
1.2 重叠区域混合融合拼接方法重叠区域混合融合拼接方法通过将两幅图像在重叠区域内进行像素值的平滑过渡，实现更自然的融合效果。
常用的方法有线性混合、高斯混合等。
线性混合是指在重叠区域内，按照一定的权重将两幅图像的像素值进行逐点插值，从而形成新的图像。
而高斯混合则是通过使用高斯模糊滤波器，降低重叠区域内图像的对比度，实现平滑过渡。
1.3 多尺度图像融合拼接方法多尺度图像融合拼接方法是一种层次化的拼接方法。
它首先将两幅图像进行金字塔分解，分别得到不同尺度的图像金字塔。
然后，在每一层金字塔上进行拼接处理，得到对应尺度的融合结果。
最后将各层结果合并，得到最终的融合图像。
这种方法能够有效处理图像的尺度变化，并保持较高的拼接质量。
二、深度学习图像融合拼接方法随着深度学习技术的发展，越来越多的研究者开始将其应用于图像融合拼接中，取得了很好的效果。
深度学习图像融合拼接方法主要包括基于生成对抗网络（GAN）的方法、基于卷积神经网络（CNN）的方法等。
2.1 基于生成对抗网络的图像融合拼接方法基于生成对抗网络的图像融合拼接方法是将两幅图像作为输入，通过生成器和判别器的协同训练，使生成器能够生成与真实图像相似的图像。
这种方法可以有效地学习到图像的分布特征，从而生成更自然的融合结果。
2.2 基于卷积神经网络的图像融合拼接方法基于卷积神经网络的图像融合拼接方法主要通过卷积层、池化层和全连接层等结构，对输入图像进行特征提取和融合操作。
基于深度图像的多特征孔洞填补方法研究
M u lti2fea tu re H ole F illing Based on R ange Im age
Z HAO Cui2lian , Z HOU Ka,i FAN Zh i2jian , CHEN Yu
( CI MS & R obot C enter , Shangha iUniversity , Shanghai 200072, China) Abstra ct : To repair the hole in the range i m age wh ich inc ludes seve ra l featu res , a m ethod of hole2filling based on temp la te m a tch ing was proposed. The whole i m age was seg m ented according to norma l and point c louds of single fea ture were obta ined. A fter point clouds of the feature lines of single feature were ob tained us ing slic ing m e thod , the fea ture lines were fitted by m edian filter and coded . Code da tabase of temp la te was constructed . W hen the op ti m um te m plate m age was found based on te i m plate2ma tch ing, the m ulti2feature hole can be filled. The m ethod is app lied to the recon2 struction of corruga ted bu lkhead , which de m onstrates that it is obviously he lpful for m ulti2feature hole filling . K ey wor ds : range i m age ; mu lti 2 feature hole filling; code ; temp la te m atch ing 由于传 统计 量 是采 用手 工 测量 方式 , 在测 量大 型 物件 时 , 测量的精度和效率已经不能满足 现代工程的 要求。随着 现代测量技术尤其是三维激光 扫描设备的应 用 , 快 速密集地 获取实体的深度点云数据即深 度图像 [ 1], 重构实体 模型并获 取参数已经成为 新的 计量方 式。但是 由于 测量 设备的 限制 或待测物件自身形状的特点 , 得到的点云 数据中会 包含有无 法测量到的区域 , 即存 在点 云数 据空洞 , 这 些点 云数据 空洞 不仅影响重构三维模型的视觉 效果 , 更会 影响后面 的一系列 操作 , 如曲面建模、 快速原型制 造和有限元分析等。 在船舶工 程领 域中 , 由于 舱体 结 构的 复 杂性 和 特殊 性 ( 如槽型舱壁结构 ), 对扫 描设备的 采集光 束遮挡 严重 , 得到 的点云数据就会存在空洞 , 而且这部分数 据空洞包 含有多个 特征。所谓多特征 孔洞是 指跨 越一个 面体 特征 以上的 数据 空洞。国内外很多研究者对孔 洞填补进行了深入研究 : Ba re2 quet[ 2]等描述了一种点云 数据网格 化后 , 通过 交互修 补网格 裂缝的方法 , 缝合裂缝 的对 应边 , 然后 检测 并填 充缝合 后留 下的孔洞 , 该方法步骤 较多 , 实现起 来比较 复杂。 Liepa[ 3] 提 出了一种对周边三 角面片 形状 及密度 进行 插值 的孔洞 修补 方法 , 在孔洞最优三角 化后 , 根 据周围 网格 的形 状进行 了面 片的插入和光顺 , 填充效果良好。浙江大学的李 根 [ 4] 等人提 出了一种基于边扩展的方法 , 在充分考虑 孔洞周围网 格形态 的情况下 , 将复杂孔洞剖分为简单孔洞 , 再进 行孔洞修补 , 修 补后的孔洞效果 比较 理想。但 是这些 研究 都集 中在对 单一 特征面 上 的 孔 洞 填 补 , 无 法 对 包 含 多 个 特 征 的 孔 洞 进 行 填补。 这里将针对包含多 个特征的孔洞数据 , 通过总结 和分析 基于单一特征面的孔洞填补方法 , 提出一 种先对已有 深度图 像进行特征分割和 提取 , 得 到特征 线并 进行 编码后 , 再 采用 模板匹配进行孔洞填补 的解决方案。
- 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)。
第２３卷 Ｖｏ１．２３ 第ｌ２期 Ｎｏ．１２ 电子设计工程 Ｅｌｅｃｔｒｏｎｉｃ Ｄｅｓｉｇｎ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１５年６月
Ｊｕｎ．２０１５
基矛图像点特征的拼接技术研究 周美丽，郭建峰 （延安大学陕西延安７１６０００）
摘要：图像拼接技术已经广泛应用于各个领域，本文实现了对灰度图像拼接技术，利用角点检测算子来得到图像特 征点，采用归一化相关法（ＮＣＣ）找出匹配角点，通过改进的ＲＡＮＳＡＣ算法消除错误匹配，得到精确度更高的匹配点 对，运用加权平均算法进行图像拼接，对拼接后的图像与原图像进行对比，效果很好，具有较高的精度和可靠性，且运 行速度良好．可推广应用。 关键词：特征点检测；角点匹配；ＲＡＮＳＡＣ；图像拼接 中图分类号：ＴＮ９１９ 文献标识码：Ａ 文章编号：１６７４—６２３６（２０１５）１２一Ｏｏ９８—０３ Ｒｅｓｅａｒｃｈ ｏｎ ｉｍａｇｅ ｓｐｌｉｃｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｂａｓｅｄ ｏｎ ｆｅａｔｕｒｅ ｐｏｉｎｔ
ＺＨＯＵ Ｍｅｉ－ｌｉ，ＧＵＯ Ｊｉａｎ－ｆｅｎｇ （Ｙａｈ＇ａｎ Ｕｈ ｅ ，Ｙａｎａｎ ７１６０００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｍａｇｅ ｓｐｌｉｃｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｈａｓ ｂｅｅｎ ｗｉｄｅｌｙ ａｐｐｌｉｅｄ ｉｎ ｖａｒｉｏｕｓ ａｒｅａｓ．Ｉｔ ｕｓｅ ｃｏｍｅｒ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｇｒａｙ ｉｍａｇｅ ｔｏ ｏｂｔａｉｎ ｔｈｅ ｆｅａｔｕｒｅ ｐｏｉｎｔ ｉｎ ｔｈｉｓ ｐａｐｅｒ．Ｔｈｅ ｍａｔｃｈｉｎｇ ｃｏｍｅｒ ｉｓ ｆｏｕｎｄ ｔｈｒｏｕｇｈ ｔｈｅ ｎｏｒｍａｌｉｚｅｄ ｃｏｒｒｅｌａｔｉｏｎ ｍｅｔｈｏｄ（ＮＣＣ）． Ｔｏ ｅｌｉｍｉｎａｔｅ ｔｈｅ ｅｒｒｏｒ ｍａｔｃｈｉｎｇ ａｓ ｍｕｃｈ ａｓ ｐｏｓｓｉｂｌｅ，ＲＡＮＳＡＣ ａｌｇｏｒｉｔｈｍ ｈａｓ ｂｅｅｎ ｕｓｅｄ．Ｆｉｎａｌｌｙ ｉｔ ｈａｓ ｇｏｔｔｅｎ ｔｈｅ ｍｏｒｅ ｐｒｅｃｉｓｅ ｍａｔｃｈｉｎｇ ｐｏｉｎｔ ｐａｉｒ ｕｓｉｎｇ ｔｈｅ ｗｅｉｇｈｔｅｄ ａｖｅｒａｇｅ ａｌｇｏｒｉｔｈｍ ｏｆ ｉｍａｇｅ ｆｕｓｉｏｎ．Ｉｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｈａｓ ｈｉｇｈｅｒ ｐｒｅｃｉｓｉｏｎ ａｎｄ ｒｅｌｉａｂｉｌｉｔｙ ｂｙ ｃｏｍｐａｒｉｎｇ ｗｉｔｈ ｔｈｅ ｏｒｉｇｉｎａｌ ｉｍａｇｅ ｔｏ ｓｔｉｔｃｈｉｎｇ ｉｍａｇｅｓ．Ａｎｄ ｔｈｅ ｒｕｎｎｉｎｇ ｓｐｅｅｄ ｉｓ ｆａｓｔ． Ｋｅｙ ｗｏｒｄｓ：ｃｏｒｎｅｒ ｄｅｔｅｃｔｉｏｎ；ｆｅａｔｕｒｅ ｍａｔｃｈｉｎｇ；ＲＡＮＳＡＣ；ｉｍａｇｅ ｓｐｌｉｃｉｎｇ
日常生活中，人们总希望能拍摄出场景范围大，分辨率 高的图象。但由于各种限制，两者很难同时满足。若照片场景 范围较大，则分辨率就会较低，反之若对分辨率要求高，则拍 摄场景范围自然就会缩小。而图像拼接技术就可以有效地解 决这个问题。国外早在１９９６年Ｈｕｅｎｇ Ｙｕｅｎｇ Ｓｈｕｎ和 Ｒｉｃｈａｒｄ Ｓｚｅｌｉｓｋｉｔ就提出了一种模型，它是基于运动的全景图 像拼接，具体操作是先计算出拼接图像间的几何变换，再进 行融合。到了２０００年，Ｓｈｍｕｅｌ Ｐｅｌｅｇ及其团队提出了另一种 模型——自适应图像拼接模型，而首次出现ＳＩＦＴｒ算法是在 在２ｏ０３年ＩＣＣＶ大会上Ｂｒｏｗｎ提出的，他使用ＳＩＦｒ算法进 行图像拼接．该算法能够自动拼接过程。并且证明有良好的 效果。Ｂｒｏｗｎ的此次发言再次掀起了人们研究图像拼接技术 的兴趣。近年来 我国的图像拼接技术同样取得了较好的成 绩。１９９６年，钟力等人提出进行图像匹配时参照两列像素的 灰度比值．最后拼接图像时采用加权融合的方法。李跃等人 在２００１年，对电路图采用模板进行图像匹配，从而实现拼接。 ２００７年，李寒等人在国内成功使用ＳＩＦＴ特征点进行图像拼 接．此算法有效突破了在光照和尺度下的局限。目前，图像拼 接技术已经取得许多可喜成果．并且应用已逐步扩展到航天 收稿日期：２０１４—０６—２４ 稿件编号：２０１４０６１５４ 航空、工业领域、医学图像等领域。 １数字图像拼接流程图 典型的基于特征点『１１的数字图像拼接系统主要包含以下 步骤：开始先对图像进行预处理、然后提取图像特征、并且根 据特征进行匹配、寻找最优的匹配点对、变换模型参数估计、 最后进行图像融合。总体如框图４所示。
丽 囹—— 图像融合 待配准图像变换 变量模型 参数估计
图１像拼接系统的构成 Ｆｉｇ．１ Ｉｍａｇｅ ｍｏｓａｉｃｉｎｇ ｓｙｓｔｅｍ
图像拼接适用于多幅图像，为了简化步骤，这里只研究 两幅图像的拼接问题，其与多幅图像原理一样。在两幅图像 中任选一幅图像为参考图像不做任何处理，则另一幅图像是 待拼接图像需要进行变换。然后投影到参考图像的坐标系中 进行比较，最后进行图像的融合。在上图１系统中图像预处 理主要是对数字图像进行基本处理，如直方图处理、高斯滤
基金项目：陕西省科技厅项目（２０１４ＪＭ８３５７）；延安市科技项目（２０１３一ｋｇ１５）（２０１２ｋｇ一０７）；延安大学青年基金项目（ＹＧ２０１３－ １６）（ＹＧ２０１ １－１６） 作者简介：周美丽（１９８ｌ一），女，陕西榆林人，硕士研究生，讲师。研究方向：图像处理，信号检测。 －９８－ 《电子设计工程）２０１５年第１２期 为了要使拼接区域不出现明显间断。消除拼接线，采用加权 平均算法【９】，如式（５）： Ｉ（ｘ，ｙ）－－－ｄｘｌｌ，（ｘ，，，）＋（１－ｄ）× （ ，Ｙ） （５） 产生加权平均的作用为了使用图像实现平滑过渡的效 果，使颜色慢慢过渡，避免图像模糊不清或出现明显的边界， 其中，ｄ为渐变因子，它的取值为重叠区图像宽度的倒数，，。 （ ， ）为参考图像中重叠部分， （ ，Ｙ）是待匹配图像中的重 叠部分，融合后为ｌ（ｘ，Ｙ）。 有了可靠的的图像特征点对，就可以对整个图像进行拼 接处理。图像拼接的目的是要消除拼接缝。实际操作中，通常 对重叠区域角点采用加权平滑方法蚂．从而实现平滑过渡。如 图６所示。
待匹配的左图像 待匹配的右图像 平滑过渡后的图像 、 图６消除拼接缝原理 Ｆｉｇ．６ Ｔｈｅ ｅｌｉｍｉｎａｔｉｏｎ ｏｆ ８ｅａｎｌ ｄｉａｇｒａｍ 拼接后图像重叠部分象素点的灰度值ＧｒａｙＬｅｖｅｌ由拼接 前具有相同重叠区域图像中对应点的灰度值ＬＧｒａｙＬｅｖｅｌ和 ＲＧｒａｙ１．ｅｖｅｌ加权平均得到，其数学模型如式（６）所示： ＧｒａｙＬｅｖｅｌ＝ｋｘＬＧｒａｙｌｅｖｅｌ＋（１－ｋ）ｘＲＧｒａｙｌｅｖｅｌ （６） 其中：ｋ是渐变因子。满足０＜ｋ＜ｌ，由左边图像的重叠部分 慢慢过渡到右边图像重叠部分的平滑拼接，是通过ｋ由１渐 变至０实现的，其渐变方向为从左到右。下图中阴影部分是 图像待匹配的重叠区域，左图中重叠部分中的一点 ＬＧｒａｙＬｅｖｅｌ与右图中对应点ＲＧｒａｙＬｅｖｅｌ在拼接时重叠，当把 二者合二为一时，重叠的ＬＧｒａｙＬｅｖｅｌ与ＲＧｒａｙＬｅｖｅｌ就变成了 一点Ｇｒａｙｌｅｖｅｌ。从而实现过渡时能够保持平滑。如图７所示 为图像融合后的效果图。 一１ｏｏ一 图７是拼接后图像 Ｆｉｇ．７ Ｔｈｅ ｍｏｓａｉｃ ｉｍａｇｅ ４结束语 通过上述实验可以看出采用本文所建立的图像拼接模 型可以对图像进行很好的拼接。把拼接后的图像与原图进行 比对，几乎肉眼观察不到二者的差别。这一系统模型是在 ＶＣ＋＋６．０平台下构建的，它具备界面制作简单、运行速度良好 等优点，可广泛用于图像修复领域。 参考文献： 【１】ＣｈＭｅ Ａ，Ｎａｇｈａｙ Ｇ，Ｍｅｒｔｉｎｓ Ａ，Ｓｋｅｔｃｈ－ｂａｓｅｄ ｉｍａｇｅ ｍａｔｃｈｉｎｇ ｕｓｉｎｇ ａｎｇｕｌａｒ ｐａｒｔｉｔｉｏｎｉｎｇ ｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍａｎ ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ，Ｐａｒｔ Ａ，２００５，３５（１）：２８－－４１． ［２】章毓晋，图像工程，图像处理【Ｍ】．２版．北京：清华大学出版 社．２００５． 【３】胡社教，葛西旺，陈宗海．基于角点特征的ＫＬＴ跟踪全景图 像拼接算法【Ｊ】．系统仿真学报，２００７，１９（８）：１７４２—１７４４． ＨＵ Ｓｈｅｑｉａｏ，ＧＥ Ｘｉ－ｗａｎｇ，ＣＨＥＮＧ Ｚｏｎｇ－ｈａｉ．Ｔｈｅ ｓｔｉｔｃｈｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｔｈｅ ｉｍａｇｅ ｆｅａｔｕｒｅ ｐｏｉｎｔ ｏｆ ｔｒａｃｋｉｎｇ ＫＬＴ ｐａｎｏｒａｍｉｃ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｓｙｓｔｅｍ Ｓｉｍｕｌａｔｉｏｎ，２００７，１９（８）： １７４２—１７４４． 【４］李晓娟．图像拼接技术研究［Ｄ】．西安：西安电子科技大学， ２００７． 【５】陆方杰．基于特征的数字图像拼接技术研究【Ｄ］．杭州：浙江 大学．２００７． 【５】Ｓｅｖｋｅｔ Ｇｕｍｕｓｔｅｋｉｎ．Ａｎ ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ｉｍａｇｅ ｍｏｓａｉｃｉｎｇ．［ＥＢ／ ０ＬＩ．（２００８－０３－２０）ｈｔｔｐ：／／ｗｗｗ．ｉｙｔｅ．ｅｄｕ．ｔｒ／ｅｅｅ／ｓｅｖｇｕｍ／ｒｅｓｅａｒｃｈ／ ｍｏｓａｉｃｉｎｇ９９／． ［６１李寒，牛纪祯，郭禾．基于特征点的全自动无缝图像拼接 方法［Ｊ］．计算机工程与设计，２００７，２８（９）：２０８３—２０８５． Ｕ Ｈａｎ，ＮＩＵ ＪＩ￣ｈｅｎ，ＧＵＯ Ｈｅ．Ｔｈｅ ｍｏｓａｉｃ ｍｅｔｈｏｄ ｏｆ Ａｕｔｏ． ｍａｒｉｅ ｓｅａｍｌｅｓｓ ｉｍａｇｅ ｂａｓｅｄ ｏｎ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ［Ｊ］．Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｄｅｓｉｇｎ，２００７，２８（９）：２Ｏ８３—２０８５． 【７】Ｓｚｅｌｉｓｋｉ Ｒ，Ｖｉｄｅｏ ｍｏｓａｉｃ ｆｏｒ Ｖｉｒｔｕａｌ Ｅｎｖｉｒｏｎｍｅｎｔｓ［Ｊ】． ＩＥＥＥ Ｃｏｍｐｕｔｅｒ Ｇｒａｐｈｉｃｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ，１９９６，１６（２）： ２２－３０． 【８】Ｈａｒｒｉｓ Ｃ，Ｓｔｅｐｈｅｎｓ Ｍ．Ａ ｃｏｍｂｉｎｅｄ ｃｏｒｎｅｒ ａｎｄ ｅｄｇｅ ｄｅｔｅｃｔｏｒ， Ｐｒｏｃｅｅｄｉｎｇｓ Ｆｏｕｒｔｈ Ａｌｖｅｙ Ｖｉｓｉｏｎ Ｃｏｎｆｅｒｅｎｃｅ［Ｊ］．Ｍａｎｃｈｅｓｔｅｒ， １９８８：１４７—１５１． 【９】徐馄．稳健的图像拼接算法研究咧．南昌：南昌大学，２００５． 【１ ｏ］葛西旺．一种精确的图像拼接方法［Ｊ】．安徽建筑工业学院 学报，２００７，１５（１）：６９—７２． ＧＥ Ｘｉ・ｗａｎｇ．Ａｎ ａｃｃｕｒａｔｅ ｍｅｔｈｏｄ ｆｏｒ ｉｍａｇｅ ｍｏｓａｉｃ叨．Ｊｏｕｒｎａｌ ｏｆ Ａｎｈｕｉ Ｃｏｎｓｔｒｕｃｔｉｏｎ Ｉｎｄｕｓｔｒｙ Ｉｎｓｔｉｔｕｔｅ，２００７，１５（１）：６９－７２．