淺析基于特征的圖像拼接法

摘 要:圖像拼接技術是將一組相互間有重疊部分的圖像序列進行空間匹配對準，形成一幅包含各圖像序列的、寬視角場景的、完整的、高清晰的新圖像的技術。本文給出了一種基于特征匹配的圖像拼接方法。該方法首先采用特征提取方法獲得圖像特征點，并通過雙向相互匹配的方法提高特征點的匹配精確度，最后通過圖像融合完成圖像的無縫拼接。

關鍵詞:基于特征圖像拼接圖像融合

中圖分類號:TN941文獻標識碼:A文章編號:1674-098X(2011)09(b)-0106-01

隨著計算機和數字圖像處理技術的迅速發展，圖像拼接作為基于圖像繪制技術的一項關鍵技術，已經成為獲得全景圖的一種重要途徑。它通過普通照相機拍攝一組實景圖像，并進行圖像的配準和融合處理后，就可以獲得高分辨率的全景圖像。在圖像拼接時，根據圖像匹配方法的不同，可分為不同的類型:一般分為基于特征、基于灰度信息和基于變換域的圖像拼接三種類型。

基于特征的圖像拼接法的基本步驟如下。

1 圖像預處理

在圖像的采集過程中，相機不會在一個絕對的水平面上運動，傾斜、抖動等現象是不可避免的。另外，景物中物體的運動和光線的變化也時常發生，這樣會使圖像的某些列中梯度最大點在兩幅圖像中有很大出入，數據的抖動性比較大。為消除這種干擾，在拼接前，我們需要對圖像進行預處理。通常采用中值濾波，幾何變換等方法來消除圖像噪聲干擾和由于拍攝角度的變換而產生的幾何偏差，使圖像拼接能夠順利準確的進行。

2 特征的選擇

圖像特征是指圖像的原始特性或屬性。它包括像素亮度、景物邊緣輪廓、組織結構或色彩等。圖像邊緣輪廓是圖像基本特征之一，它蘊含了圖像豐富的內在信息(如方向，階躍性質與形狀等)，不易受圖像亮度的影響，這樣就避免了由于亮度不同而造成的偽匹配現象，所以選擇邊緣作為圖像特征是完成圖像匹配任務的最佳方案。目前常用Canny邊緣檢測算法自動獲取圖像的邊緣信息，主要包括邊緣點的位置、梯度方向及梯度值。

3 特征點的提取

經過應用Canny邊緣檢測算法獲得圖像的邊緣特征點后，我們得到了圖像的邊緣特征。但是圖像邊緣特征點數量很多，還是不利于我們圖像間的匹配。所以需要對邊緣特征點進行篩選，得到最具代表性的特征點，即拐點，作為最后的特征點。具體方法如下:

設Ａ圖像為參考圖像，Ｂ圖像為待配準圖像，設它們的寬和高分別為W1和G1，提取特征點步驟為:

首先，將圖像中每一列的邊緣點找出，并將每一列的邊緣點縱坐標(行值)存入數組V(j)中，2≤j≤W1-1，例如V(2)存儲第2列邊緣點的縱坐標。

然后，根據數組V(j)中所記錄的第j列邊緣點的位置，求出每一列梯度值最大的邊緣點，即為特征點，并記錄該點的梯度值和縱坐標。對于圖像中任意邊緣點，梯度值由下式給出:

式中，是點的灰度值。這樣可得到長度為W1的二維數組，數組中第一行的元素是圖像中該列上最大梯度值，第二行的元素是圖像中該列上梯度最大點的縱坐標。例如(1，5)代表圖像第5列特征點的最大梯度值，(2，5)代表圖像第5列特征點的縱坐標。

同理，對圖像按照上面的方法，求出每一列梯度最大值的邊緣點，并將該點的梯度值和縱坐標記錄到數組中。這樣，我們就得到了兩幅圖像的一行梯度最大縱坐標數組。這兩個數組存儲了兩幅圖像每一列特征點的信息，反映了兩幅圖像按列最大梯度特征點分布的曲線。

4 特征點的匹配

一般情況下要拼接的兩幅圖像的重疊部分一般不超過50%，為減小計算量，只在Ａ圖像的右半部分和Ｂ圖像的左半部分中考慮特征點的匹配問題。即取Ａ圖像第W/2+1列至W列的對應的特征點數組作為匹配的子數組mag1， 取Ｂ圖像第1列至第W/2列數組作為匹配的子數組mag2。在數組mag1和mag2再取出一定長度的子數組，通過計算兩個子數組的相似程度，確定相匹配的子數組，這兩個數組的起始位置就是兩幅圖像相匹配的位置。具體算法如下:

在代表Ａ圖像數組mag1中，取一個固定長度為的子數組，記為，在Ｂ圖像的數組mag2中，也取長度為的子數組記為。對于每一個子數組，分別與不同的進行相似程度計算，通過相似程度計算來確定匹配的子數組。

和的相似程度用表示，由的方差來描述，即

其中方差

和表示第列的梯度值，值越小說明與的值越相似，那么一定可以找到子數組與使其滿足:

由此得出，最小值所對應的子數組與是相似的數組，那么兩幅圖像的最佳匹配位置就是與的起始位置，這樣由于與的第2行的元素值是按列梯度最大點的縱坐標取值，在確定了列的匹配位置時，也同時確定了行的匹配位置。這樣就可找到兩幅圖像最佳的匹配位置。

5 圖像的融合

圖像融合是通過一個數學模型把來自不同傳感器的多幅圖像綜合成一幅滿足特定應用需求的圖像的過程，從而可以有效地把不同圖像傳感器的優點結合起來，提高對圖像分析和提取的能力。簡單的圖像融合方法不對參加融合的源圖像進行任何變換和分解，而是直接對源圖像中的各對應像素分別進行選擇、平均或加權平均、多元回歸或其它數學運算等處理后，最終合成一幅融合圖像對于圖像融合的對象，可以分為兩大類，即多光譜圖像與灰度圖像之間的融合，以及灰度圖像之間的融合。

基于特征的圖像拼接法是通過特征的匹配來完成拼接的。基于特征的匹配算法對于圖象畸變、噪聲、遮擋等具有一定的魯棒性，在處理分辨率較高的圖像時這種方法的實時性要好于基于灰度信息的其他方法，但是由于它的匹配性能在很大程度上取決于特征提取的質量，因而匹配精度不高。

參考文獻

[1]J.Canny.A Computational Approach to Edge Detection. In IEEE Trans On PAMI，VOL 8，No.6.pages 679～697. 1986.

[2]王紅梅，張科，李言俊.圖像匹配研究進展.計算機工程與應用，2004，19.42～44，77.

[3]R.Szeliski.Image mosaicing for tele-reality applications. IEEE Computer Graphics and Applications.1994，(1):44～53.