基于SURF和RANSAC的快速圖像拼接

王武+于林韜

摘要：針對(duì)傳統(tǒng)圖像拼接算法中復(fù)雜度高，效率低的問(wèn)題，本文提出一種基于SURF和RANSAC的快速圖像拼接算法。首先運(yùn)用SURF算法提取待拼接圖像的特征點(diǎn)，采用K-D樹(shù)的數(shù)據(jù)結(jié)構(gòu)來(lái)存儲(chǔ)特征描述子，然后利用BBF算法進(jìn)行遍歷搜索，實(shí)現(xiàn)初步匹配，最后利用RANSAC算法對(duì)特征點(diǎn)匹配結(jié)果進(jìn)行提純，剔除誤匹配的特征點(diǎn)對(duì)，得到圖像配準(zhǔn)結(jié)果。針對(duì)圖像交界處出現(xiàn)的“拼縫”等不自然的地方，使用加權(quán)值融合算法進(jìn)行處理，從而實(shí)現(xiàn)光照和尺度變化下的快速圖像拼接。

關(guān)鍵詞：SURF；RANSAC；特征匹配；圖像拼接

中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）11-0039-02

所謂圖像拼接技術(shù)就是將多幅彼此存在重疊部分的圖像隊(duì)列進(jìn)行匹配對(duì)準(zhǔn)，再融合形成一幅包含各圖像序列信息的、完整的、寬視角場(chǎng)景的、無(wú)縫的、高分辨率的新圖像[1]。

圖像拼接領(lǐng)域多使用經(jīng)典的SIFT算法，不過(guò)該算法結(jié)構(gòu)復(fù)雜，特征點(diǎn)的提取和匹配耗時(shí)較長(zhǎng)，缺乏工程應(yīng)用的實(shí)時(shí)性。故本文采用改進(jìn)過(guò)的SIFT算法，即SURF（Speeded-Up Robust Features）算法來(lái)提取源圖像和待匹配圖像的特征點(diǎn)，其主要目的就是為了縮短算法處理的時(shí)間，以便將各種優(yōu)良的圖像拼接算法移植到對(duì)實(shí)時(shí)性要求較高的場(chǎng)合，比如智能手機(jī)。

1 基于SURF的特征點(diǎn)匹配

SURF算法，全稱(chēng)是Speeded-Up Robust Features。該算法是建立在優(yōu)秀的SIFT算法上的，另外針對(duì)SIFT算法復(fù)雜度進(jìn)行了優(yōu)化，對(duì)特征點(diǎn)提取和特征向量的描述進(jìn)行改善，達(dá)到了更高的速度。因此，它常常用于對(duì)實(shí)時(shí)性或運(yùn)算速度要求較高的場(chǎng)景，這也是本文選用該算法的原因。

SURF算法工作時(shí)主要分為如下幾步：

（1）構(gòu)造Hessian矩陣，計(jì)算特征值α。

（2）構(gòu)造高斯金字塔。

（3）定位特征點(diǎn)。

（4）確定特征點(diǎn)主方向。

（5）構(gòu)造特征描述子。

對(duì)于SURF算法的具體工作原理的解釋不是本文的重點(diǎn)，可以查看算法提出者的論文或者OpenCV中實(shí)現(xiàn)該算法的源碼。

下面展示的實(shí)驗(yàn)結(jié)果都是基于OpenCV2.7+Windows7 64bits，運(yùn)行內(nèi)存8G。

如圖1所示為對(duì)拼接領(lǐng)域經(jīng)典的雪山圖像利用SURF算法查找特征點(diǎn)后，利用KD-Tree和BBF搜索算法初步提取和匹配的結(jié)果。

2 基于RANSAC的特征點(diǎn)提純

RANSAC算法是一種經(jīng)典的消除誤匹配的方法，具有匹配精度高、可靠度高，魯棒性強(qiáng)等優(yōu)點(diǎn)[2]。上面我們提到查找SURF特征點(diǎn)并通過(guò)KD-Tree和BBF算法進(jìn)行特征點(diǎn)匹配，因?yàn)閷?shí)時(shí)性的要求，我們應(yīng)該盡量剔除誤匹配點(diǎn)，選擇最優(yōu)點(diǎn)，而RANSAC算法則是處理這一過(guò)程的通用算法，實(shí)驗(yàn)證明確實(shí)取得較好的效果。

如圖2所示為RANSAC提純后得到的最優(yōu)點(diǎn)匹配結(jié)果。

3 圖像配準(zhǔn)和融合

由于待拼接的圖像通常是由相機(jī)在不同角度下拍攝獲得的，各個(gè)圖像的投影平面并不相同，且存在著一定的夾角[3]，因此圖像拼接過(guò)程中有一個(gè)步驟就是待拼接圖像投影到基準(zhǔn)圖像的同一個(gè)坐標(biāo)系中，這里采用大多數(shù)圖像適用的柱面投影模型。圖3所示為投射變換過(guò)程的中間圖像。

由于是在不同條件和時(shí)刻下獲得的圖像，所以在不同光照、設(shè)備參數(shù)等環(huán)境條件影響下，圖像灰度值不可能保持不變，所以在合成一幅圖像的時(shí)候就會(huì)出現(xiàn)明顯的縫合裂痕，影響觀看效果[4]。為了解決可能出現(xiàn)的拼縫或者“鬼影”現(xiàn)象，增加圖像的信息量，使得最終得到的圖像具有良好的觀賞性，必須對(duì)配準(zhǔn)后的圖像進(jìn)行圖像融合。本文采用加權(quán)平均的像素級(jí)融合方法使重疊部分色彩差異變小，實(shí)現(xiàn)平滑過(guò)渡。

拼接后的效果如圖4所示。

4 結(jié)語(yǔ)

本文針對(duì)目前圖像拼接SIFT算法比較復(fù)雜，不適用實(shí)時(shí)性高的場(chǎng)景，提出了一種基于SURF和RANSAC的改進(jìn)算法，并在理論研究的基礎(chǔ)上，進(jìn)行了軟件編程實(shí)現(xiàn)，實(shí)驗(yàn)證明該算法在多數(shù)場(chǎng)景下具有拼接效果好，速度快的特點(diǎn)。下一步工作就是驗(yàn)證該算法在不同場(chǎng)景下的適用性，以及算法的效率，爭(zhēng)取可以移植到移動(dòng)端如Android智能手機(jī)上，可以實(shí)現(xiàn)一定的商業(yè)價(jià)值。

參考文獻(xiàn)

[1]仵建寧，郭寶龍，馮宗哲.一種基于興趣點(diǎn)匹配的圖像拼接方法[J].計(jì)算機(jī)應(yīng)用，2006，26（3）：610-612.

[2]田文，王宏遠(yuǎn)，徐帆等.RANSAC算法的自適應(yīng)預(yù)檢驗(yàn)[J].中國(guó)圖象圖形學(xué)報(bào)，2009，14（5）：973-977.

[3]宋璐.基于單目視覺(jué)的全景拼接技術(shù)研究及安卓平臺(tái)實(shí)現(xiàn)[D].北京理工大學(xué)，2014.

[4]王凌云，凌海波，王琪.SURF和RANSAC在圖像拼接中的應(yīng)用[J].電子測(cè)量技術(shù)（信息與圖像處理），2016，39（4）：71-75.

Abstract：Aiming at the problem of high complexity and low efficiency in traditional image stitching algorithm， this paper proposes a fast image stitching algorithm based on SURF and RANSAC. Firstly， SURF algorithm is used to extract the feature points of the images， K-D tree structure is used to store the feature descriptors， BBF algorithm is used to search and preliminary match， finally using RANSAC algorithm to purificate feature points and remove false matching feature points to get image registration results. Aiming at unnatural joint found between the images， the weighted average fusion algorithm is used to fuse the images to achieve fast image stitching under illumination and scale change.

Key Words：SURF； RANSAC； Feature matching； Image stitchingendprint