基于SIFT的全景圖像拼接方法研究

摘 要：全景圖像拼接主要解決由于普通成像設備視角限制，難以拍攝到高分辨率大視場圖像的問題。本文以具有平移、旋轉、尺度變換、視角變換及復雜變化的圖像作為研究對象，借助經(jīng)典SIFT算法的良好魯棒性，設計了針對序列圖像的SIFT配準方法，并進行了實驗驗證。實驗結果表明：改進后的算法不僅能縮短拼接時間，還具有較高的正確匹配率。

關鍵詞：全景圖像 拼接 改進 意義

中圖分類號：TP391 文獻標識碼：A 文章編號：1003-9082（2017）06-0001-01

一、基于SIFT的全景圖像拼接的研究意義

全景圖像拼接是指把一系列擁有重疊區(qū)域的局部圖像通過圖像配準、圖像變換和圖像融合拼合成一大幅高清晰并且無明顯接縫的全局圖像。其能夠很好地解決成像場景的視角范圍與分辨率間難以共存的問題，被廣泛地應用在碎片圖像合成、虛擬現(xiàn)實等領域[1]。

然而，用于拼接的圖像間僅有一部分重疊區(qū)域，特征匹配對也只會在這個重疊區(qū)域內(nèi)建立，與重疊區(qū)域外特征點匹配只會增加建立錯誤匹配對的可能并增加匹配時間。針對現(xiàn)有的因提取整幅圖像特征而導致算法計算量大、非重疊區(qū)域特征容易造成后續(xù)匹配錯誤和計算冗余等問題，設計了本文的算法，以求在降低匹配計算量的同時有效降低誤匹配率。

二、基于SIFT的全景圖像拼接算法改進

由于SIFT特征性能卓越，在圖像發(fā)生平移、旋轉、縮放、亮度變化時能保持良好不變性，且對視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性，所以通用性很強。但SIFT特征應用于圖像拼接時存在大量冗余，導致運算量大，并且在非重疊區(qū)域的特征點容易出現(xiàn)匹配錯誤[2]。而用于提純匹配點的RANSAC算法是以每次隨機抽取初步匹配點樣本來計算模型參數(shù)，以至于會導致迭代次數(shù)偏多，帶來運算量偏大大的問題。

基于以上考慮，本文設計的改進算法的執(zhí)行步驟如下：

1.首先將兩幅擁有重疊區(qū)域的序列圖像I1和I2分別提取SIFT特征點；

2.在圖像中I1，選取與圖像I2相鄰的邊緣區(qū)域（文中設定邊緣區(qū)域寬為200像素）內(nèi)的SIFT特征點，跟圖像I2中的特征點建立匹配對，然后記錄在圖像I2中對應點，進行直線擬合得到直線I1，這樣直線I1將圖像I2分成了兩塊區(qū)域，與圖像邊緣圍成的區(qū)域就是初始重疊區(qū)域H1；

3.用同樣的方法反向匹配，在圖像I1中獲得對應直線I2和初始的重疊區(qū)域H2；

4.最后僅在建立的初始重疊區(qū)域H1和H2中尋找匹配對，建立兩幅圖像的對應關系（參數(shù)變換模型）。

為進一步驗證改進方法，分別選取了具有旋轉、視角變換、尺度變換和復雜變換的圖像對各10組進行正確匹配率（圖1）和實驗用時（圖2）對比實驗，結果證明：本文算法正確匹配率上略優(yōu)于經(jīng)典SIFT匹配算法，在實驗用時上有大幅度提升。

圖3和圖4是兩組序列圖像分別運用本文方法和經(jīng)典SIFT方法的拼接效果圖，其中圖3序列圖像見變換角度為20°，圖4變換角度為40°。

三、總結

本文分析了使用SIFT算法進行圖像配準的優(yōu)劣，并在此基礎上針對其匹配精度高魯棒性好而運算耗時較長的優(yōu)劣性設計了基于SIFT的三次匹配算法，其中以前兩次匹配結果粗略定位相鄰圖像的重疊區(qū)域，最后一次匹配僅在定位的重疊區(qū)域內(nèi)完成。實驗證明該方法具有較經(jīng)典SIFT配準相當或更高的正確匹配率，并能大幅縮短匹配耗時。

參考文獻

[1]岳昕.基于SIFT的全景圖像拼接方法研究[D].昆明理工大學，2015.

[2]Zhao Lei， Hou Zhenjie. Improved Image Registration Method of SIFT. Computer Engineering， 2010， 36（12）：226-228+