資源描述：
《基于SIFT和SURF圖像拼接算法的改進算法_史露》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第卷第期計算機應(yīng)用與軟件年月基于和圖像拼接算法的改進算法史露,蘇剛韓飛,,武漢大學(xué)物理科學(xué)與技術(shù)學(xué)院湖北武漢吉林大學(xué)計算機科學(xué)與技術(shù)學(xué)院吉林長春摘要目前,圖像拼接技術(shù)已經(jīng)成為數(shù)字圖像處理、計算機圖形學(xué)和人工智能等領(lǐng)域的研究熱點。介紹基于碑特征點的圖像拼接算法和基于特征點的圖像拼接算法,并且對這兩個算法的性能做了比較,給出各自的優(yōu)劣點。最后,基于這兩種算法,提出一種加快圖像拼接速度和質(zhì)量的算法。關(guān)鍵詞'算法算法圖像拼接中圖分類號內(nèi)文獻標識碼一衛(wèi)城,人”幾人腸群,樣乞人,嘰。材,,明呷心。邵,擬力翻。,助召動”,擬,服,群
2、,孚訊靦碑一卯拌,鉀·,,打即本文結(jié)合盯特征點匹配算法和特征點匹配算法的優(yōu)點,提出了一種改進的圖像拼接算法,實驗結(jié)果顯示,本文引言改進的算法實時性較高,可以得到比較好的拼接效果。圖像拼接技術(shù)作為圖像處理的熱點問題吸引了很多國內(nèi)外算法和刃算法的研究者對其進行廣泛而深人的研究。但是由于數(shù)字圖像拼接技術(shù)涉及到很多學(xué)科的理論和技術(shù),致使數(shù)字圖像拼接技術(shù)仍然處于研究和發(fā)展的階段。近些年來,為了提高數(shù)字圖像拼接算法的質(zhì)量和魯棒性,國內(nèi)外研究者進行了大量的基礎(chǔ)性研究和實盯的主要思路圖是首先建立圖像的尺度空間表示,然際開發(fā)工作,取得了
3、大量的研究成果川。后檢測該圖像尺度空間特征點,定義特征點主方向,最后生成特圖像拼接中最重要的部分是圖像配準,圖像配準算法分為征向量描述子。兩大類一類是基于區(qū)域的算法,其中包括基于空間的像素算法檢測尺度空間主要采用算子,其中算配準算法、基于頻域的像素配準算法等另一類是基于特征的算子定義如下法,利用圖像中的明顯特征來計算圖像之間的變換。而基于特,了,,二〔,了,,一,,,·,了征的算法由于其較低的復(fù)雜度和較高的魯棒性,成為圖像配準二,,『一,了,口的首選,很多學(xué)者在這方面進行了研究。文獻〕方法使用基其中,少,『,了,,·,
4、了,,少,,為尺度可變高于灰度邊緣特征點的拼接方法文獻【〕提出了一種基于角點斯函數(shù),、,力為圖像位于,勸的像素值。特征的跟蹤全景圖像拼接算法文獻〔〕提出了一種基于函數(shù)在尺度空間的展開式的二級近似為像素點顏色變化特征的拼接算法文獻〔〕采取基于像素點顏色變化特征和序列相似性檢測算法相結(jié)合的圖像拼接融合方收稿日期一一。中央高?；究蒲袠I(yè)務(wù)費專項資金項目法文獻【〕采用打特征點進行圖像拼接文獻【采用。史露,碩士生,主研領(lǐng)域圖像處理與目標識別。蘇特征點進行圖像拼接。剛,碩士生。韓飛,博士生。第期史露等基于和圖像拼接算法的改進算法量
5、和轉(zhuǎn)換矩陣。。二。嗚太十與鳥日矛、利用轉(zhuǎn)換矩陣就可以將兩幅圖像映射成一幅全景圖像。本算法在上利用庫編程實現(xiàn),算其極值點為二二,,,,式對圖像的行、列及尺度法的實現(xiàn)過程中求兩幅圖像的匹配點數(shù)量和。三個量進行了修正,得到修正值轉(zhuǎn)換矩陣的核心代碼在下面給出旅一勃豹一`娜將修正后的值帶人展開式,去除不穩(wěn)定的極值點腸的試驗顯示取值小于的極值點均可拋棄。求出精一二二確關(guān)鍵點后,就可以生成用于匹配的描述向量。利用關(guān)鍵點鄰二·即域像素的梯度方向分布特性,為每個關(guān)鍵點指定方向參數(shù)方向,二從而使描述子對圖像旋轉(zhuǎn)具有不變性。,算法二盯算法由
6、等人〔'?！程岢?它主要分成部分特征點提取,即在積分圖像的基礎(chǔ)上,利用方框濾波近似代替二階二高斯濾波計算待選特征點及其周圍點的值,如果最大,二則為特征點。特征點描述,即在特征點周圍小區(qū)域上計算二小波,并計算其種和以構(gòu)成特征描述。利用特征點描,述向量進行配準。在一定程度上算法是對算法的二改進,它也是一種尺度、旋轉(zhuǎn)不變性的特征點探測器。其最大的特點就是快,并且在快的基礎(chǔ)上還能保持性能,能滿足實時性的拼接要求。口巧卯【」算法主要部分是矩陣的計算。矩陣已】講卯已〔」定義如下二幾,『氣,,,,匯〕二。眾抖比州?！浮病埂彻Σ房v,,
7、縱,,,【」」島一然后計算其矩陣的判別式,根據(jù)判別式取值正負,卯【」二巧即【,來判別該點是否為極值點。因為矩陣的判別式計算復(fù)一,。仁〕一雜度較高,所以利用方框濾波近似代替二階高斯濾波計算待選特征點及其周圍點的值,這樣可以利用積分圖進行快速計算,得到近似的判別值二,,計算變換矩陣城。。一。,'”飲,二本文改進的算法蕪游二?！恐v即〕因為傳統(tǒng)的打算法能找到大量的特征點,并且通過,?！骋荒艿玫捷^準確的透視矩陣,所以拼接效果很好,但是它講祀巧。油川〕有一個顯著的缺點,即使采用算法來加快搜索匹配速度,一,〔〕一它的復(fù)雜度依然很高。
8、傳統(tǒng)的算法只能檢測到少量的特二,已,征點,還降低了特征點維數(shù),采用積分圖方式能加快速度,雖然計算在變換矩陣下一對匹配點誤差算法復(fù)雜度低,但是其拼接效果有時并不好。上述兩個算法的運算時間中檢測特征點的過程占據(jù)了大部分的時間,此外叮如果誤差小的話說明這個點是內(nèi)點,一致點的搜索匹配算法比算法要快,而且門中的算法能得到較好的矩陣。少本文結(jié)
