一種改進的RANSAC彩色圖像拼接算法

王欣 邢玉娟 楊波

（蘭州文理學院數字媒體學院，甘肅 蘭州 730010）

0 引言

由于使用相機拍攝的圖像包含的信息少于人眼可以觀察到的信息，因此圖像拼接技術將兩個或多個部分重疊的圖像組合在一起形成高分辨率圖像[1]，廣泛應用于數字視頻壓縮、運動控制、虛擬現實技術、遙感圖像處理和醫學圖像分析，圖像拼接技術已成為照片圖形，計算機視覺，圖像處理和計算機圖形學的熱點。

圖像拼接主要包括兩個步驟，即圖像配準和圖像融合。圖像配準是最困難和最關鍵的過程，不僅從圖像中提取特征點，而且還搜索正確的匹配點。通常，特征點檢測包括許多方法，例如Harris特征點、KLT特征點、Susan特征點、SIFT特征點、Surf點和其他方法。

近年來，研究人員在圖像拼接技術方面做了大量工作。Richard Szeliski提出了一種基于運動的全景圖像拼接算法，它可以計算圖像之間的幾何變換[2]，結果實現了圖像配準和圖像平滑。Papandreou等[3]提出了一種新的圖像拼接技術，它使用旋轉矩陣來表示馬賽克圖像之間的關系，提高了圖像拼接的清晰度。與外國相比，中國的圖像拼接技術起步較晚，但發展很快。清華大學孫家光、劉強、齊馳通過追蹤相鄰幀之間的紋理特征，提出了一種圓柱全景方法，該算法的精度很高，但也需要太多的計算。在圖像拼接算法中，RANSAC exaction是一個重要的步驟，而且這一步驟實時性差。本文提出了一種改進的RANSAC算法，該算法基于特征點的統計規律。在這種方法中，沒有重疊區域存在的一些不匹配點將被拒絕，以支持實時。

1 圖像馬賽克

1.1 Harris特征點檢測

基于信號點提取特征的Harris算子由C. Harris和M. J. Stephens提出。它具有計算簡單，提取均勻，操作穩定等特點。

1）左框架和右框架上的每個點由改進的水平和垂直差分算子過濾。

2）使用高斯濾波器過濾l的四個參數，然后得到新的l。該離散高斯函數是：

3）計算特征點的張量：

4）最后，當cim滿足閾值并且該點是局部最大點時，找到特征點。

1.2 歸一化互相關方法

Harris算子提取的特征點可能不匹配，因此必須處理匹配方法。歸一化互相關方法（NCC）是一個經典算法，計算其間的互相關值模板。

1）圖1中的特征點的5個鄰域被過濾平滑操作。

2）提出歸一化的互相關矩陣。讓搜索圖像S的大小為M*M，模板T的大小為M*N，M、N都是像素，M大于N，讓模板T移動，Si，j是圖像S中由模板T覆蓋的區域，（i，j）是Si，j左上角的坐標，度量函數測量搜索圖像和模板之間的相似性。

3）在歸一化互相關矩陣的基礎上，計算特征點的最大值。

4）通過使用3的結果，找到初始匹配點。

5）循環計算所有特征點。

1.3 改進的RANSAC Exaction

隨機樣本共識（RANSAC）算法能夠使特征點與噪聲相匹配，并且具有良好的魯棒性。由于很少有特征點沒有重疊區域，因此沒有重疊區域之間存在明顯差異。

在重疊區域，改進的RANSAC提取可以根據特征點的統計規律輕松去除無重疊區域。

1）整個圖像分為八個部分。計算每個區域中的要素點數。結果表明，更多數量的特征點位于重疊區域，而較少的特征點位于重疊區域。刪除無重疊區域，同時通過特征點的數量保留重疊區域。

2）在保留區域中，隨機選擇四對特征點。

3）將模型一致點的數量設置為零。

4）從（x1，y1）（x2，y2）…（x3，y3）和（x’1，y’1）（x’2，y’2）…（x’n，y’n）中選擇點，點（xi，yi）和點（x’i，y’i）使投影變換產生支持點。根據投影變換模型，a11、a12、b1、a21、a22、b2可以被計算出來。

如果（7）是正確的，則一致點的數量加1。

5）如果一致點的數量大于給定的閾值Nt（10%），則該模型將是最佳模型。否則，該過程從步驟1-3重復。

1.4 圖像平滑

為了消除明顯的邊緣，本文提出了一種常用于重疊區域的線性過渡方法。可以根據等式（8）計算重疊區域的像素值。

其中，k是加權平均系數(0＜k＜1)。在重疊區域圖像部分的左側到右側的k變為1到0。

d1、d2是重疊區域中從匹配點到左邊界和右邊界的距離。

2 模擬結果分析

實驗硬件平臺是一臺PC，包含2.93GHz CPU和2.00GB內存。軟件平臺為Matlab R2009a/Simulink，是系統仿真平臺。在該方法中，主要模塊是特征點檢測，NCC特征點粗匹配，RANSAC特征點匹配，投影變換，圖像平滑。改進的RANSAC方法的結果如圖1所示。

從上面的實驗中，改進的RANSAC方法可以消除異常值，可以極大地支持實時性。同時，為投影變換準備了投影矩陣的計算參數。圖像平滑消除了邊緣。圖像平滑的結果如下所示（圖2）。排除異常值和包括異常值的比較見表1。

圖1 改進后的RANSAC提取

圖2 圖像平滑的結果

表1 改進結果

3 結語

本文提出了一種改進的RANSAC彩色圖像拼接算法。它適合不同的時間和不同的攝像機角度。Harris角點檢測，NCC角點粗略匹配，改進的RANSAC提取，估計投影變換矩陣，投影變換，圖像平滑是算法的主要模塊。改進的RANSAC算法基于特征點的統計規律。在這種方法中，一些不匹配的點存在于永不重疊的區域將被拒絕以支持實時。