基于SURF和改進(jìn)漸入漸出法的圖像拼接算法

許超++聶詩良

摘要：普通監(jiān)控?cái)z像頭獲取的圖像質(zhì)量不高，直接采用漸入漸出法對圖像融合會產(chǎn)生較明顯的拼接痕跡，造成融合區(qū)域過渡不自然，為此本文提出了一種基于SURF和ROI的圖像拼接方法，并利用RANSAC方法求取單應(yīng)性變換矩陣，最后采用改進(jìn)的漸入漸出法對拼接的圖像進(jìn)行融合。實(shí)驗(yàn)結(jié)果表明，通過ROI有效減少了圖像配準(zhǔn)的耗時(shí)，改進(jìn)的漸入漸出融合能使圖像重疊區(qū)域過渡更自然，且沒有明顯拼接痕跡。

關(guān)鍵詞：圖像拼接 SURF ROI 漸入漸出法

中圖分類號：TP391.4 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2016）12-0133-01

圖像拼接技術(shù)是當(dāng)前圖像處理的研究熱點(diǎn)，被廣泛應(yīng)用于計(jì)算機(jī)視覺、遙感圖像繪制、醫(yī)學(xué)圖像分析、智能視頻監(jiān)控和虛擬現(xiàn)實(shí)等領(lǐng)域。圖像配準(zhǔn)是圖像拼接的基礎(chǔ)，目前配準(zhǔn)效果最好的是SURF算法。SURF（Speeded Up Robust Features）是一種具有魯棒性的局部特征檢測算法，SURF算法來源于SIFT[1]（Scale Inviariant Feature Transform）。文獻(xiàn)[2]與文獻(xiàn)[3]中對SIFT和SURF算法進(jìn)行了綜合對比，在執(zhí)行速度上，SURF算法是SIFT算法的三倍多，當(dāng)圖像存在旋轉(zhuǎn)、模糊、光照、尺度和視角變換下，SURF與SIFT都表現(xiàn)出了較好的穩(wěn)定性。因此本文采用SURF算法實(shí)現(xiàn)圖像的配準(zhǔn)。文獻(xiàn)[4]提出了在感興趣區(qū)域?qū)?yōu)搜索的策略，將特征配準(zhǔn)算法縮減到重疊區(qū)域，提高了圖像配準(zhǔn)的效率，同時(shí)減少了特征的誤匹配，提高了圖像配準(zhǔn)精度。圖像融合是圖像拼接另一個(gè)關(guān)鍵部分，漸入漸出法在速度上具有較好的體現(xiàn)，但是當(dāng)圖像質(zhì)量不高和曝光不一致的情況下會出現(xiàn)明顯的斷裂和拼接痕跡。為解決普通監(jiān)控?cái)z像頭圖像質(zhì)量不高以及視差引起的拼接質(zhì)量問題，本文提出基于ROI與SURF算法的圖像拼接方法，并采用RANSAC[5]算法求取最佳單應(yīng)變換矩陣，最后通過改進(jìn)的漸入漸出法[6][7]融合圖像，有效解決了圖像融合過程中的拼接痕跡，使融合區(qū)域過渡更自然。

1 系統(tǒng)流程

基于SURF和改進(jìn)漸入漸出法的圖像拼接思路如下：

（1）首先輸入兩張具有重疊區(qū)域的圖像；

（2）大致估算重疊區(qū)域的大小；

（3）對ROI區(qū)域?qū)ふ姨卣鼽c(diǎn)，進(jìn)行特征匹配，并通過比值提純、對稱性提純以及RANSAC提純選出優(yōu)質(zhì)匹配，然后利用RANSAC計(jì)算最佳單應(yīng)性矩陣；

（4）采用改進(jìn)的漸入漸出法進(jìn)行圖像融合；

（5）輸出圖像。

2 圖像配準(zhǔn)

圖像拼接要求重疊區(qū)域占圖像的20%至30%，特征點(diǎn)的尋找與匹配只針對重疊區(qū)域，重疊區(qū)域外的特征點(diǎn)檢測和匹配，增加了算法的耗時(shí)，同時(shí)會帶來不必要的誤匹配，降低了圖像配準(zhǔn)的精度。本文通過估算重疊區(qū)域的大致范圍，然后在ROI區(qū)域內(nèi)檢測特征點(diǎn)并進(jìn)行匹配。

3 圖像融合

4 實(shí)驗(yàn)結(jié)果及分析

測試的實(shí)驗(yàn)平臺為Intel 酷睿2 T6600@2.20 GHz CPU，內(nèi)存為2GB，軟件開發(fā)環(huán)境為VS2010及opencv2.4.9，圖像為普通USB攝像頭所拍攝，分辨率為640X480。

本文在該平臺上實(shí)現(xiàn)了使用ROI區(qū)域的SURF算法進(jìn)行圖像配準(zhǔn)，與直接使用SURF算法對比，對特征點(diǎn)數(shù)與程序耗時(shí)的統(tǒng)計(jì)如表1所示。對特定區(qū)域提取后的SURF算法比原SURF算法快了大約2倍。使用漸入漸出法融合后的圖像過渡區(qū)域會出現(xiàn)斷裂以及不自然的現(xiàn)象。使用改進(jìn)算法融合后的圖像拼接效果更接近原圖像，沒有明顯的拼接痕跡。

5 結(jié)語

本文基于提取ROI與SURF算法快速找到特征點(diǎn)對并進(jìn)行圖像配準(zhǔn)，然后利用改進(jìn)的漸入漸出算法實(shí)現(xiàn)了圖像的拼接，消除了拼接痕跡，改善了拼接質(zhì)量。

參考文獻(xiàn)

[1]David G Lowe.Distinctive Image Features from Scale-Invariant Keypoints[J].International Journal of Computer Vision.2004，60（60）：91-110.

[2]索春寶，楊東清.多種角度比較SIFT、SURF、BRISK、ORB、FREAK算法[J].北京測繪，2014，4，23-26.

[3]張銳娟，張建奇，楊翠.基于SURF的圖像配準(zhǔn)方法研究[J].紅外與激光工程，2009，38（1）：160-165.

[4]王勇，何曉川，劉清華等.一種感興趣區(qū)域?qū)?yōu)搜索的全自動圖像拼接算法[J].電子與信息學(xué)報(bào).2009， 31（2）：261-264.

[5]楊云濤，馮瑩，曹毓.基于SURF的序列圖像快速拼接方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2011，21（3）：6.

[6]張亞娟.基于SURF特征的圖像與視頻拼接技術(shù)的研究[D].西安電子科技大學(xué)，2013.

[7]郭俊美.基于圖像的柱面全景圖生成技術(shù)研究[D].西安科技大學(xué)碩士學(xué)位論文，2010.