基于特征點(diǎn)匹配的圖像配準(zhǔn)與融合算法

楊小青

摘要：圖像重建技術(shù)是圖像處理領(lǐng)域中的重要環(huán)節(jié)，將不同視角下的多重圖像重建為高清完整全方位目標(biāo)像需要進(jìn)行圖像配準(zhǔn)、拼接以及融合，以最大限度保留原場(chǎng)景的完整性。本文主要研究在拼接過(guò)程中的圖像配準(zhǔn)和融合算法，應(yīng)用SIFT算法查找確定特征點(diǎn)、特征向量進(jìn)行特征匹配，采用RANSAC算法直線擬合優(yōu)化重疊區(qū)域較多的目標(biāo)圖像，同時(shí)對(duì)連接縫進(jìn)行平滑處理，以人工湖圖像拼接驗(yàn)證，算法實(shí)現(xiàn)良好融合效果。

關(guān)鍵詞：圖像拼接;SIFT算法;RANSAC算法;圖像融合

中圖分類號(hào)： TP18 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）34-0198-02

在圖像處理領(lǐng)域，將不同視角下的多重圖像重建為全方位目標(biāo)像是一個(gè)重要研究?jī)?nèi)容，要對(duì)不同目標(biāo)像依次進(jìn)行配準(zhǔn)、融合，以最大限度保留原場(chǎng)景完整性，獲得全視野圖像。圖像重建[1]技術(shù)對(duì)多種行業(yè)發(fā)展起到重要作用，對(duì)圖像拼接融合技術(shù)研究具有應(yīng)用價(jià)值。本文主要研究在拼接過(guò)程中的圖像配準(zhǔn)的算法以及圖像拼接和融合的算法，主要應(yīng)用尺度不變特征轉(zhuǎn)換SIFT（Scale Invariant Feature Transform）算法[2]查找確定特征點(diǎn)、特征向量進(jìn)行圖像之間特征點(diǎn)匹配，以及隨機(jī)抽樣一致性RANSAC（Random Sample Consensus）算法[3]對(duì)重合區(qū)域較多的不同目標(biāo)像進(jìn)行直線擬合，消除無(wú)關(guān)點(diǎn)，精簡(jiǎn)高效實(shí)現(xiàn)圖像配準(zhǔn)與拼接。

1圖像特征向量提取

圖像配準(zhǔn)是將不同時(shí)間、視角、拍攝環(huán)境下獲取到的兩幅甚至多幅圖像進(jìn)行疊加、去重、匹配等過(guò)程處理，以得到單一目標(biāo)像。在圖像數(shù)據(jù)信息中，特征點(diǎn)保留了圖像關(guān)鍵信息，通過(guò)掃描搜索，根據(jù)特征性質(zhì)查找提取待拼接圖像的特征點(diǎn)，生成特征向量表，對(duì)比待匹配圖像之間的特征集合，對(duì)提取的關(guān)鍵信息進(jìn)行特征處理，同時(shí)借鑒其他信息符號(hào)，有利于提高算法匹配速度和效果，適用范圍較廣，增強(qiáng)了匹配準(zhǔn)確性。

SIFT算法通過(guò)描述圖像的局部性特征實(shí)現(xiàn)圖像配準(zhǔn)，其核心思想：在尺度空間中掃描搜索，尋找極值點(diǎn)，提取相應(yīng)尺度、位置和旋轉(zhuǎn)不變量等信息。依次比較周圍像素，在不降低準(zhǔn)確度的原則下刪減數(shù)據(jù)信息點(diǎn)，選取出最終關(guān)鍵點(diǎn)作為特征點(diǎn)，并生成不因圖像變化產(chǎn)生影響的特征向量，找出關(guān)鍵點(diǎn)的方向特征、位置及尺度，為保證尺度和方向變化無(wú)關(guān)性，選取特征點(diǎn)的鄰域梯度的主方向[4]。為加快算法收斂速度，提高圖像處理實(shí)效性，采用圖像歸一化[5]預(yù)處理圖像優(yōu)化算法，降低匹配誤差。選取公園人工湖顯示算法運(yùn)行效果如圖1.1所示：

可以看出，該算法能較好實(shí)現(xiàn)特征向量提取，圖中箭頭所指方向?yàn)樘卣飨蛄糠较颍^長(zhǎng)度為大小。

2特征點(diǎn)匹配

圖像特征匹配在提取特征向量后，根據(jù)待拼接圖像的特征點(diǎn)匹配程度予以匹配，采用兩幅圖像關(guān)鍵點(diǎn)之間的歐氏距離比作為判定準(zhǔn)則尋找相同特征點(diǎn)及特征向量[6]。匹配過(guò)程是找到待拼接原始圖像1中的關(guān)鍵點(diǎn)，遍歷搜索待拼接原始圖像2中與該點(diǎn)歐式距離最近的關(guān)鍵點(diǎn)，計(jì)算確定匹配點(diǎn)。

SIFT算法實(shí)現(xiàn)特征點(diǎn)匹配獲取到較多特征點(diǎn)信息，能較好滿足精確匹配，但遇到重疊部分較多的待匹配圖像時(shí)往往產(chǎn)生數(shù)量較多的特征點(diǎn)信息，容易影響整個(gè)算法運(yùn)行的時(shí)間效率甚至造成錯(cuò)誤匹配，同時(shí)，如果兩幅圖像中互相匹配的特征點(diǎn)位置不是一一對(duì)應(yīng)時(shí)，又容易增加計(jì)算誤差，使得在后續(xù)拼接過(guò)程中出現(xiàn)錯(cuò)誤。

RANSAC算法可以實(shí)現(xiàn)從一組包含誤差數(shù)據(jù)點(diǎn)的眾多觀測(cè)數(shù)據(jù)集中，通過(guò)迭代的方式估計(jì)數(shù)學(xué)模型的參數(shù)。RANSAC算法將與擬合直線無(wú)關(guān)的局外點(diǎn)舍棄掉，只利用局內(nèi)點(diǎn)即可以完成很好的擬合，擬合效果是較為理想的直線，從而保證足夠高的參數(shù)選擇合理性概率。

圖2所示經(jīng)過(guò)SIFT算法特征提取后，采用RANSAC算法進(jìn)行特征點(diǎn)匹配后人工湖圖像匹配效果?？梢钥闯?，本文算法能得到較好的匹配效果，算法運(yùn)行穩(wěn)定。

3圖像拼接與融合

圖像拼接與融合技術(shù)是將同一場(chǎng)景、不同視角及拍攝環(huán)境下彼此之間存在相互重疊區(qū)域的圖像進(jìn)行配準(zhǔn)、無(wú)縫拼接生成全視野圖像，過(guò)渡平滑處理拼接縫之后獲得高清完整視野圖像的技術(shù)。

3.1圖像拼接

要完成圖像拼接，仍然需要分別獲取待匹配圖像的特征點(diǎn)及特征向量，按照上述論述內(nèi)容，通過(guò)判定特征點(diǎn)匹配程度完成圖像拼接。從一個(gè)視角圖像開(kāi)始采用增量的方式依次對(duì)相鄰視角圖像進(jìn)行拼接，在拼接過(guò)程中，率先完成拼接的圖像保持不變，所在的坐標(biāo)也視為固定不變，已完成拼接圖像繼續(xù)作為新的視角參考圖像，將相鄰視角的圖像依次變換到這一固定坐標(biāo)系下，依次重復(fù)上述過(guò)程進(jìn)行拼接直到完成配準(zhǔn)、拼接。

將后續(xù)拼接圖像轉(zhuǎn)換到當(dāng)前坐標(biāo)系時(shí)需要采用雙線性差值法[7]，進(jìn)行相應(yīng)的參數(shù)變換，由于圖像的像素點(diǎn)一般采用固定整數(shù)描述，經(jīng)過(guò)變換會(huì)產(chǎn)生新的像素點(diǎn)，此時(shí)可能不是用固定整數(shù)來(lái)表示像素。因此需要對(duì)變換后的圖像重新采樣，獲取符合要求的圖像。雙線性差值法能有效查找到當(dāng)前視角待拼接圖像與下一視角待拼接圖像的特征點(diǎn)，求得變換參數(shù)，并完成下一視角圖像的坐標(biāo)變換，使其滿足與前一視角圖像在相同的坐標(biāo)系下。雙線性差值法具有很好的精度特性，算法耗時(shí)較短，而且在圖像邊緣處的拼接過(guò)渡性較好。

3.2圖像融合

按照上述算法過(guò)程完成圖像特征匹配拼接后，通常由于不同視角圖像的采集時(shí)間、環(huán)境和條件等因素，使得拼接后圖像連接處呈現(xiàn)出過(guò)渡不自然的現(xiàn)象，有必要采取相應(yīng)的技術(shù)手段進(jìn)一步處理拼接所得圖像、平滑過(guò)渡圖片拼接縫，使得拼接后的圖像在亮度、形態(tài)上更好的融為一體，這一過(guò)程稱之為圖像融合[8]。只有充分利用描述圖像的數(shù)據(jù)信息，融合圖像多波段信息，消除拼接對(duì)抗信息才能提高圖像識(shí)別的魯棒性及精確性，實(shí)現(xiàn)高效的圖像融合。本文采用數(shù)據(jù)級(jí)的融合方式，最大限度地保持直接獲取到的目標(biāo)圖像的原有數(shù)據(jù)信息。拼接后的人工湖圖像融合效果圖如圖3所示。

可以明顯看出拼接后的完整圖像實(shí)現(xiàn)了較好無(wú)縫拼接效果，過(guò)渡流暢，拼接痕跡不明顯。

4總結(jié)

本文主要研究不同視角下多重圖像重建單一目標(biāo)像的圖像拼接和融合算法，采用SIFT算法選取灰度值明顯大于或小于周圍相鄰點(diǎn)的像素點(diǎn)作為候選關(guān)鍵點(diǎn)提取特征點(diǎn)、特征向量進(jìn)行特征點(diǎn)匹配，RANSAC算法直線擬合刪減無(wú)關(guān)點(diǎn)，引入圖像歸一化方法優(yōu)化實(shí)現(xiàn)圖像拼接與配準(zhǔn)，平滑處理拼接縫，降低了提取圖像特征的匹配誤差，加快了算法收斂速度，提高了圖像處理實(shí)效性，最大限度地保留原場(chǎng)景的完整性。以公園人工湖圖像為例，完成了圖像拼接及融合，實(shí)驗(yàn)效果表明，算法過(guò)程能夠很好地實(shí)現(xiàn)圖像拼接與融合。

參考文獻(xiàn)：

[1] 張鵬飛.圖像拼接技術(shù)的研究[D].西安：西安電子科技大學(xué)，2012.

[2] 朱玉爽.基于尺度不變特征轉(zhuǎn)換的圖像檢索[D].吉林：吉林大學(xué)，2016.

[3] 周亞歌，寧愛(ài)林.基于RANSAC算法的2D Metrology在BGA質(zhì)量檢測(cè)中的應(yīng)用研究[J].邵陽(yáng)學(xué)院學(xué)報(bào)（自然科學(xué)版），2016，13（3）：108-112.

[4] 賀永興，歐新良，匡小蘭.鄰域特征在點(diǎn)云配準(zhǔn)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2012，32（3）：762-765，769.

[5] 郭偉，趙亦工，謝振華.一種改進(jìn)的紅外圖像歸一化互相關(guān)匹配算法[J].光子學(xué)報(bào)，2009，38（1）：189-193.

[6]劉曉烈.基于結(jié)構(gòu)光掃描儀的數(shù)據(jù)配準(zhǔn)關(guān)鍵技術(shù)研究[D].山東：青島大學(xué)，2011.

[7] 薛海龍，王小海.基于雙線性差值法的船舶燃油加裝精確計(jì)算方法[J].浙江交通職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2012，13（3）：41-44.

[8] 姚增凱.基于逆向工程技術(shù)的文物數(shù)字化建模及應(yīng)用[D].西安：陜西科技大學(xué)，2014.

【通聯(lián)編輯：唐一東】