淺析基于特征的圖像拼接法

摘 要:圖像拼接技術(shù)是將一組相互間有重疊部分的圖像序列進(jìn)行空間匹配對(duì)準(zhǔn)，形成一幅包含各圖像序列的、寬視角場(chǎng)景的、完整的、高清晰的新圖像的技術(shù)。本文給出了一種基于特征匹配的圖像拼接方法。該方法首先采用特征提取方法獲得圖像特征點(diǎn)，并通過(guò)雙向相互匹配的方法提高特征點(diǎn)的匹配精確度，最后通過(guò)圖像融合完成圖像的無(wú)縫拼接。

關(guān)鍵詞:基于特征圖像拼接圖像融合

中圖分類號(hào):TN941文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1674-098X(2011)09(b)-0106-01

隨著計(jì)算機(jī)和數(shù)字圖像處理技術(shù)的迅速發(fā)展，圖像拼接作為基于圖像繪制技術(shù)的一項(xiàng)關(guān)鍵技術(shù)，已經(jīng)成為獲得全景圖的一種重要途徑。它通過(guò)普通照相機(jī)拍攝一組實(shí)景圖像，并進(jìn)行圖像的配準(zhǔn)和融合處理后，就可以獲得高分辨率的全景圖像。在圖像拼接時(shí)，根據(jù)圖像匹配方法的不同，可分為不同的類型:一般分為基于特征、基于灰度信息和基于變換域的圖像拼接三種類型。

基于特征的圖像拼接法的基本步驟如下。

1 圖像預(yù)處理

在圖像的采集過(guò)程中，相機(jī)不會(huì)在一個(gè)絕對(duì)的水平面上運(yùn)動(dòng)，傾斜、抖動(dòng)等現(xiàn)象是不可避免的。另外，景物中物體的運(yùn)動(dòng)和光線的變化也時(shí)常發(fā)生，這樣會(huì)使圖像的某些列中梯度最大點(diǎn)在兩幅圖像中有很大出入，數(shù)據(jù)的抖動(dòng)性比較大。為消除這種干擾，在拼接前，我們需要對(duì)圖像進(jìn)行預(yù)處理。通常采用中值濾波，幾何變換等方法來(lái)消除圖像噪聲干擾和由于拍攝角度的變換而產(chǎn)生的幾何偏差，使圖像拼接能夠順利準(zhǔn)確的進(jìn)行。

2 特征的選擇

圖像特征是指圖像的原始特性或?qū)傩浴Ｋㄏ袼亓炼取⒕拔镞吘壿喞⒔M織結(jié)構(gòu)或色彩等。圖像邊緣輪廓是圖像基本特征之一，它蘊(yùn)含了圖像豐富的內(nèi)在信息(如方向，階躍性質(zhì)與形狀等)，不易受圖像亮度的影響，這樣就避免了由于亮度不同而造成的偽匹配現(xiàn)象，所以選擇邊緣作為圖像特征是完成圖像匹配任務(wù)的最佳方案。目前常用Canny邊緣檢測(cè)算法自動(dòng)獲取圖像的邊緣信息，主要包括邊緣點(diǎn)的位置、梯度方向及梯度值。

3 特征點(diǎn)的提取

經(jīng)過(guò)應(yīng)用Canny邊緣檢測(cè)算法獲得圖像的邊緣特征點(diǎn)后，我們得到了圖像的邊緣特征。但是圖像邊緣特征點(diǎn)數(shù)量很多，還是不利于我們圖像間的匹配。所以需要對(duì)邊緣特征點(diǎn)進(jìn)行篩選，得到最具代表性的特征點(diǎn)，即拐點(diǎn)，作為最后的特征點(diǎn)。具體方法如下:

設(shè)Ａ圖像為參考圖像，Ｂ圖像為待配準(zhǔn)圖像，設(shè)它們的寬和高分別為W1和G1，提取特征點(diǎn)步驟為:

首先，將圖像中每一列的邊緣點(diǎn)找出，并將每一列的邊緣點(diǎn)縱坐標(biāo)(行值)存入數(shù)組V(j)中，2≤j≤W1-1，例如V(2)存儲(chǔ)第2列邊緣點(diǎn)的縱坐標(biāo)。

然后，根據(jù)數(shù)組V(j)中所記錄的第j列邊緣點(diǎn)的位置，求出每一列梯度值最大的邊緣點(diǎn)，即為特征點(diǎn)，并記錄該點(diǎn)的梯度值和縱坐標(biāo)。對(duì)于圖像中任意邊緣點(diǎn)，梯度值由下式給出:

式中，是點(diǎn)的灰度值。這樣可得到長(zhǎng)度為W1的二維數(shù)組，數(shù)組中第一行的元素是圖像中該列上最大梯度值，第二行的元素是圖像中該列上梯度最大點(diǎn)的縱坐標(biāo)。例如(1，5)代表圖像第5列特征點(diǎn)的最大梯度值，(2，5)代表圖像第5列特征點(diǎn)的縱坐標(biāo)。

同理，對(duì)圖像按照上面的方法，求出每一列梯度最大值的邊緣點(diǎn)，并將該點(diǎn)的梯度值和縱坐標(biāo)記錄到數(shù)組中。這樣，我們就得到了兩幅圖像的一行梯度最大縱坐標(biāo)數(shù)組。這兩個(gè)數(shù)組存儲(chǔ)了兩幅圖像每一列特征點(diǎn)的信息，反映了兩幅圖像按列最大梯度特征點(diǎn)分布的曲線。

4 特征點(diǎn)的匹配

一般情況下要拼接的兩幅圖像的重疊部分一般不超過(guò)50%，為減小計(jì)算量，只在Ａ圖像的右半部分和Ｂ圖像的左半部分中考慮特征點(diǎn)的匹配問(wèn)題。即取Ａ圖像第W/2+1列至W列的對(duì)應(yīng)的特征點(diǎn)數(shù)組作為匹配的子數(shù)組mag1， 取Ｂ圖像第1列至第W/2列數(shù)組作為匹配的子數(shù)組mag2。在數(shù)組mag1和mag2再取出一定長(zhǎng)度的子數(shù)組，通過(guò)計(jì)算兩個(gè)子數(shù)組的相似程度，確定相匹配的子數(shù)組，這兩個(gè)數(shù)組的起始位置就是兩幅圖像相匹配的位置。具體算法如下:

在代表Ａ圖像數(shù)組mag1中，取一個(gè)固定長(zhǎng)度為的子數(shù)組，記為，在Ｂ圖像的數(shù)組mag2中，也取長(zhǎng)度為的子數(shù)組記為。對(duì)于每一個(gè)子數(shù)組，分別與不同的進(jìn)行相似程度計(jì)算，通過(guò)相似程度計(jì)算來(lái)確定匹配的子數(shù)組。

和的相似程度用表示，由的方差來(lái)描述，即

其中方差

和表示第列的梯度值，值越小說(shuō)明與的值越相似，那么一定可以找到子數(shù)組與使其滿足:

由此得出，最小值所對(duì)應(yīng)的子數(shù)組與是相似的數(shù)組，那么兩幅圖像的最佳匹配位置就是與的起始位置，這樣由于與的第2行的元素值是按列梯度最大點(diǎn)的縱坐標(biāo)取值，在確定了列的匹配位置時(shí)，也同時(shí)確定了行的匹配位置。這樣就可找到兩幅圖像最佳的匹配位置。

5 圖像的融合

圖像融合是通過(guò)一個(gè)數(shù)學(xué)模型把來(lái)自不同傳感器的多幅圖像綜合成一幅滿足特定應(yīng)用需求的圖像的過(guò)程，從而可以有效地把不同圖像傳感器的優(yōu)點(diǎn)結(jié)合起來(lái)，提高對(duì)圖像分析和提取的能力。簡(jiǎn)單的圖像融合方法不對(duì)參加融合的源圖像進(jìn)行任何變換和分解，而是直接對(duì)源圖像中的各對(duì)應(yīng)像素分別進(jìn)行選擇、平均或加權(quán)平均、多元回歸或其它數(shù)學(xué)運(yùn)算等處理后，最終合成一幅融合圖像對(duì)于圖像融合的對(duì)象，可以分為兩大類，即多光譜圖像與灰度圖像之間的融合，以及灰度圖像之間的融合。

基于特征的圖像拼接法是通過(guò)特征的匹配來(lái)完成拼接的。基于特征的匹配算法對(duì)于圖象畸變、噪聲、遮擋等具有一定的魯棒性，在處理分辨率較高的圖像時(shí)這種方法的實(shí)時(shí)性要好于基于灰度信息的其他方法，但是由于它的匹配性能在很大程度上取決于特征提取的質(zhì)量，因而匹配精度不高。

參考文獻(xiàn)

[1]J.Canny.A Computational Approach to Edge Detection. In IEEE Trans On PAMI，VOL 8，No.6.pages 679～697. 1986.

[2]王紅梅，張科，李言俊.圖像匹配研究進(jìn)展.計(jì)算機(jī)工程與應(yīng)用，2004，19.42～44，77.

[3]R.Szeliski.Image mosaicing for tele-reality applications. IEEE Computer Graphics and Applications.1994，(1):44～53.