资源描述：
《基于SIFT和SURF图像拼接算法的改进算法_史露》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第卷第期计算机应用与软件年月基于和图像拼接算法的改进算法史露,苏刚韩飞,,武汉大学物理科学与技术学院湖北武汉吉林大学计算机科学与技术学院吉林长春摘要目前,图像拼接技术已经成为数字图像处理、计算机图形学和人工智能等领域的研究热点。介绍基于碑特征点的图像拼接算法和基于特征点的图像拼接算法,并且对这两个算法的性能做了比较,给出各自的优劣点。最后,基于这两种算法,提出一种加快图像拼接速度和质量的算法。关键词'算法算法图像拼接中图分类号内文献标识码一卫城,人”几人肠群,样乞人,叽。材,,明呷心。邵,拟力翻。,助召动”,拟,服,群
2、,孚讯腼碑一卯拌,钾·,,打即本文结合盯特征点匹配算法和特征点匹配算法的优点,提出了一种改进的图像拼接算法,实验结果显示,本文引言改进的算法实时性较高,可以得到比较好的拼接效果。图像拼接技术作为图像处理的热点问题吸引了很多国内外算法和刃算法的研究者对其进行广泛而深人的研究。但是由于数字图像拼接技术涉及到很多学科的理论和技术,致使数字图像拼接技术仍然处于研究和发展的阶段。近些年来,为了提高数字图像拼接算法的质量和鲁棒性,国内外研究者进行了大量的基础性研究和实盯的主要思路图是首先建立图像的尺度空间表示,然际开发工作,取得了
3、大量的研究成果川。后检测该图像尺度空间特征点,定义特征点主方向,最后生成特图像拼接中最重要的部分是图像配准,图像配准算法分为征向量描述子。两大类一类是基于区域的算法,其中包括基于空间的像素算法检测尺度空间主要采用算子,其中算配准算法、基于频域的像素配准算法等另一类是基于特征的算子定义如下法,利用图像中的明显特征来计算图像之间的变换。而基于特,了,,二〔,了,,一,,,·,了征的算法由于其较低的复杂度和较高的鲁棒性,成为图像配准二,,『一,了,口的首选,很多学者在这方面进行了研究。文献〕方法使用基其中,少,『,了,,·,
4、了,,少,,为尺度可变高于灰度边缘特征点的拼接方法文献【〕提出了一种基于角点斯函数,、,力为图像位于,劝的像素值。特征的跟踪全景图像拼接算法文献〔〕提出了一种基于函数在尺度空间的展开式的二级近似为像素点颜色变化特征的拼接算法文献〔〕采取基于像素点颜色变化特征和序列相似性检测算法相结合的图像拼接融合方收稿日期一一。中央高校基本科研业务费专项资金项目法文献【〕采用打特征点进行图像拼接文献【采用。史露,硕士生,主研领域图像处理与目标识别。苏特征点进行图像拼接。刚,硕士生。韩飞,博士生。第期史露等基于和图像拼接算法的改进算法量
5、和转换矩阵。。二。呜太十与鸟日矛、利用转换矩阵就可以将两幅图像映射成一幅全景图像。本算法在上利用库编程实现,算其极值点为二二,,,,式对图像的行、列及尺度法的实现过程中求两幅图像的匹配点数量和。三个量进行了修正,得到修正值转换矩阵的核心代码在下面给出旅一勃豹一`娜将修正后的值带人展开式,去除不稳定的极值点肠的试验显示取值小于的极值点均可抛弃。求出精一二二确关键点后,就可以生成用于匹配的描述向量。利用关键点邻二·即域像素的梯度方向分布特性,为每个关键点指定方向参数方向,二从而使描述子对图像旋转具有不变性。,算法二盯算法由
6、等人〔'。〕提出,它主要分成部分特征点提取,即在积分图像的基础上,利用方框滤波近似代替二阶二高斯滤波计算待选特征点及其周围点的值,如果最大,二则为特征点。特征点描述,即在特征点周围小区域上计算二小波,并计算其种和以构成特征描述。利用特征点描,述向量进行配准。在一定程度上算法是对算法的二改进,它也是一种尺度、旋转不变性的特征点探测器。其最大的特点就是快,并且在快的基础上还能保持性能,能满足实时性的拼接要求。口巧卯【」算法主要部分是矩阵的计算。矩阵已】讲卯已〔」定义如下二几,『气,,,,汇〕二。众抖比州。「〔」〕功卜纵,,
7、纵,,,【」」岛一然后计算其矩阵的判别式,根据判别式取值正负,卯【」二巧即【,来判别该点是否为极值点。因为矩阵的判别式计算复一,。仁〕一杂度较高,所以利用方框滤波近似代替二阶高斯滤波计算待选特征点及其周围点的值,这样可以利用积分图进行快速计算,得到近似的判别值二,,计算变换矩阵城。。一。,'”饮,二本文改进的算法芜游二。】讲即〕因为传统的打算法能找到大量的特征点,并且通过,。〕一能得到较准确的透视矩阵,所以拼接效果很好,但是它讲祀巧。油川〕有一个显著的缺点,即使采用算法来加快搜索匹配速度,一,〔〕一它的复杂度依然很高。
8、传统的算法只能检测到少量的特二,已,征点,还降低了特征点维数,采用积分图方式能加快速度,虽然计算在变换矩阵下一对匹配点误差算法复杂度低,但是其拼接效果有时并不好。上述两个算法的运算时间中检测特征点的过程占据了大部分的时间,此外叮如果误差小的话说明这个点是内点,一致点的搜索匹配算法比算法要快,而且门中的算法能得到较好的矩阵。少本文结
