多尺度SIFT特征匹配的足跡圖像拼接方法

楊安園，朱悅云

（開封大學 機械與汽車工程學院，河南 開封 475000）

多尺度SIFT特征匹配的足跡圖像拼接方法

楊安園，朱悅云

（開封大學 機械與汽車工程學院，河南 開封 475000）

為了增強圖像細節、提高匹配精度，提出了一種基于小波變換的多尺度SIFT特征匹配的足跡圖像拼接方法。該方法對預處理的圖像進行小波變換，把低頻系數設為零，高頻系數進行閾值調整并反變換后，再利用對于尺度具有魯棒性的SIFT算法對處理后的圖像進行特征點的提取與匹配。對于粗匹配產生的誤匹配對，應用隨機抽樣一致性算法（RANSAC）進行篩選，并通過與原始圖像的拼接作比較顯示該方法的優越性。實驗結果證明該方法使圖像細節更為清晰，提高了匹配精度，而且較原始方法有一定程度的提高。

足跡；小波變換；圖像拼接；SIFT特征點；隨機抽樣一致算法

針對公安機關對于現場足跡圖像串并案的需求,圖像拼接對于足跡分析比對系統具有十分重要的意義。由于圖像穩定精確拼接算法的實現難，需要對相機的拍攝角度位置，光圈焦距等攝像參數進行精確校準，難以滿足現場取證的需要。采用SIFT特征匹配算法，雖然對旋轉、尺度縮放、光照視角變化等因素保持一定魯棒性，低重疊區、部分遮擋和噪聲等因素也保持較好的可匹配性，但仍存在誤匹配。針對足跡分析比對系統中對多分辨率、高配準率要求，文章介紹一種基于小波變換和SIFT特征匹配的足跡圖像拼接方法。該方法不僅能使圖像噪聲降到最低，細節有所增加，而且保留了SIFT特征匹配算法的優點，提高了匹配精度。

1 基于小波變換的方向性和邊緣檢測

文章選擇雙正交小波基，Biorthogonal小波系中的bior6.8對足跡圖像進行小波分解。其算法如下：

（1）用bior6.8對足跡圖像進行2層分解，得到近視和細節系數；對分解得到的低頻系數設置為0。

（2）用方程式（1）對高頻系數進行非線性增強：

式中：fhc、ghc分別為調整前、后的高頻系數，K為增強因子，T1、T2為閾值，B為背景值，F為前景值。

（3）計算反變換并對取絕對值，得到增強后圖像。

2 SIFT特征匹配

圖像的尺度空可表示為二維圖像與一個可變尺度的高斯函數卷積運算。高斯金字塔中相鄰尺度空間函數相減，可得到高斯差分金字塔。為檢測極值，樣本像素點要與相鄰的26個像素點進行比較。利用關鍵點鄰域像素的梯度方向分布特征為每個關鍵點指定方向參數。直方圖中主峰值所對應方向為特征點主方向，主峰值80%的局部峰值為該點輔方向。在小區域內計算8個方向的梯度方向直方圖，然后在下一個2×2的區域內進行直方圖統計，則1個特征點就對應16×8=128維向量。采用RANSAC算法對圖像的單應矩陣進行求解。為了消除重疊區域，采用的是漸入漸出平滑過渡的方法。

3 實驗結果

文章的實驗環境為PC（Intel（R）Core（TM）2 Duo CPU T6570@2.10GHz，2G內存，Windows7），采用Matlab對圖像拼接方法進行了實驗。在配準前需要對小波分解后的系數值進行調整，從而提高圖像配準的參數。實驗中取背景值B=0，前景值F=1，并調節閾值TI、T2的大小。通過對多幅足跡圖像進行小波分解后統計得到T1和T2的取值范圍分別為［0.484，0.499］和［0.50，1］。實驗結果如圖1所示。圖1（a）實驗表明，選取T1=0.493，T2=0.55時，所匹配關鍵點對數最多，匹配、融合、配準所需時間最少。

實驗首先對圖1（b）的兩幅圖像直接進行特征點匹配后利用RANSAC方法求解單應矩陣，最后用加權平滑算法進行圖像融合，拼接后的圖像如圖1（a）所示。接著用本文改進方法對圖像1（b）中的兩幅圖像進行小波變換，濾除近似部分并對細節系數進行非線性調整。對其進行反變換后得到圖1（c），再用以上方法進行拼接得到結果如圖1（d）所示。實驗證明，文章拼接方法得到的圖像精度更高。

（a）改變閾值關鍵點個數和配對數

（b）原圖像

（c）小波變換后的圖像

圖1 實驗結果

4 結語

文章在對SIFT特征匹配算法的基礎上，提出了一種適合足跡采樣的自動拼接算法。圖像通過小波變換，直接消除低頻信息和噪聲，增強邊緣細節，使匹配精度更高，從而得到更多有用的足跡信息。

［1］Lowe.D G，Distinctive Image Features from Scale-Invariant Key points［J］.International Journal of Computer Vision，2004，60（2）：91-110.

［2］Mallat.S，Zhong.S．Characterization of signals from multiscale edges．IEEE Trans．Pattern Anal．Machine Intell，1992，14（7）：710-732.

［3］Szeliski R.Image mosaicing for tele-reality applications.IEEE Computer Society on Applications of Computer Vision,Sarasota，Florida，1994：44-53.

Method of Footprint Image Stitching Based on Multiple Dimensioned SIFT Feature Matching

YANG An-yuan，ZHU Yue-yun

（School of Mechanical and Automotive Engineering，Kaifeng University，Kaifeng，Henan 475000，China）

Image stitching method is widely used into the suspect's footprint information extraction.In order to improve the image detail and the matching precision，the Footprint map image stitching method which is based on the wavelet transform and the SIFT feature matching is put forward.The wavelet transform in this method is perform based on the pretreatment of image，move the low frequency wavelet coefficient to zero，adjusting thresholds of the high frequency wavelet coefficient and inverse transformation，then，use the SIFT to extract and match the keypoints of the processed images.For the error matching pair of coarse match，you can use the RANSAC to filter them out.This article demonstrates its advantage through to the original image splicing comparisons.The experimental results show that the method display more clear detail and the precision of matching than the original method.

footprint；wavelet transform；image stitching；sift feature matching；RANSAC

TP391.41

A

2095-980X（2017）01-0052-02

2016-12-28

楊安園（1987-），男，河南人，碩士研究生，助教，主要研究方向：機械故障診斷、圖像處理。