非標(biāo)定圖像的無縫拼接技術(shù)研究

1、非標(biāo)定圖像的無縫拼接技術(shù)研究摘要：為了降低圖像拼接中對(duì)圖像序列獲取的苛刻要求，增強(qiáng)拼接算法的適應(yīng)性和靈活性，本文給出了一種從特征點(diǎn)提取，匹配到圖像間點(diǎn)變換估計(jì)和拼接融合的全自動(dòng)穩(wěn)健算法。實(shí)驗(yàn)結(jié)果表明，該算法不僅保持了較好的圖像拼接準(zhǔn)確性和魯棒性，而且降低了對(duì)圖像序列獲取的要求，增強(qiáng)了應(yīng)用的適應(yīng)性和靈活性。論文關(guān)鍵詞：圖像融合,圖像拼接,圖像配準(zhǔn)0 引言圖像拼接1就是把針對(duì)同一場(chǎng)景的相互有部分重疊的一系列圖片合成一張大的寬視角的圖像。拼接后的圖像要求最大程度地與原始圖像接近，失真盡可能小，沒有明顯的縫合線。整個(gè)算法主要包含3步：特征點(diǎn)的提取和匹配；圖像間點(diǎn)變換的估計(jì)；圖像交接處的無縫過渡。對(duì)每步

2、算法的研究雖然已取得了一些成果，但基本上還沒有形成一種穩(wěn)健完全自動(dòng)的拼接融合技術(shù)。Richard以手動(dòng)確定至少4對(duì)特征點(diǎn)，并以特征點(diǎn)像素的亮度誤差構(gòu)造優(yōu)化函數(shù)來估計(jì)圖像間的點(diǎn)變換關(guān)系，取得了比較好的平面和深度場(chǎng)景融合效果，但此算法以亮度誤差來做點(diǎn)變換估計(jì)，這對(duì)圖像的光照變化非常敏感且整個(gè)算法的自動(dòng)化程度不夠。Pollefey詳細(xì)研究了特征點(diǎn)自動(dòng)提取和匹配問題，但沒有針對(duì)圖像處理做更深入的研究。Peter分別運(yùn)用多分辨率樣條技術(shù)和單調(diào)函數(shù)插值技術(shù)對(duì)圖像的交接處進(jìn)行了有效的顏色平滑過渡，不過這是在特征點(diǎn)匹配和點(diǎn)變換的準(zhǔn)確估計(jì)基礎(chǔ)上完成的?；谝陨纤惴ǖ膬?yōu)缺點(diǎn)，本文給出了一種從特征點(diǎn)提取，匹配到圖像

3、間點(diǎn)變換估計(jì)和拼接融合的全自動(dòng)穩(wěn)健算法。1 邊緣檢測(cè)邊緣是信號(hào)的突變點(diǎn)，在圖像信號(hào)中表現(xiàn)為灰度的突變，非邊緣點(diǎn)與邊緣點(diǎn)之間的灰度相差較大。基于此，首先對(duì)行提升，以檢測(cè)垂直方向的邊緣，再對(duì)列提升，以檢測(cè)水平方向的邊緣，最后將所得行、列邊緣點(diǎn)綜合則得到該圖像的邊緣點(diǎn)。第一步：剖分采用較好的惰性小波變換2，即對(duì)原始信號(hào)（sj）進(jìn)行奇采樣（s2l+1）和偶采樣（s2l）。第二步：預(yù)測(cè)算子的構(gòu)造方法很多，如插值細(xì)分、均值一插值細(xì)分和B 樣條細(xì)分等，選擇怎樣的構(gòu)造方法要視實(shí)際處理的問題而定。對(duì)于邊緣提取，只要充分利用相鄰點(diǎn)的相關(guān)性即可。由于將圖像的邊緣分為水平和垂直方向提取，因此采用較簡(jiǎn)單的Haar 預(yù)測(cè)

4、算子或線性預(yù)測(cè)算子就能將圖像的邊緣提取出來。Haar 預(yù)測(cè)算子是一個(gè)奇采樣sj，2l+1，可以用它左邊鄰近的偶采樣sj，2l來作為其預(yù)測(cè)值，然后讓細(xì)節(jié)系數(shù)(小波系數(shù))dj-1，l為奇采樣和它的預(yù)測(cè)的差分： 線性預(yù)測(cè)為一個(gè)奇采樣sj，2l+1 ，用它左右兩邊相鄰的偶采樣sj，2l和sj，2l+2的平均值作為其預(yù)測(cè)值;然后，讓細(xì)節(jié)系數(shù)(小波系數(shù))dj-1，l ，為奇采樣和它預(yù)測(cè)的差分： 找到了細(xì)節(jié)系數(shù)dj-1，l后，就讓它與一給定閾值T相比較來確定該點(diǎn)是否為邊緣：（1）對(duì)于Haar 預(yù)測(cè)算子:若dj-1，l T 且dj-1，l 0，那么sj，2l+1為邊緣點(diǎn);若dj-1，l T 且dj-1，l T

5、 且dj-1，l 0，那么sj，2l+1為邊緣點(diǎn)；若dj-1，l T 且dj-1，l T，則sj，2l為邊緣點(diǎn)，否則sj，2l+2為邊緣點(diǎn)。2 圖像特征點(diǎn)提取和匹配為了保證特征點(diǎn)的準(zhǔn)確提取和匹配，要求每幅圖像都用一樣的特征提取算法，每個(gè)特征點(diǎn)周圍應(yīng)該提供足夠的用于判定匹配的信息（如靠近圖像邊沿的特征點(diǎn)就剔除）。采用如下的Harris角檢測(cè)算子來做特征點(diǎn)提?。?= 其中，I為像素點(diǎn)亮度，(x，y)為像素點(diǎn)坐標(biāo)。的兩個(gè)特征值的大小反映了像素點(diǎn)“突顯”程度，如果(x，y)是一個(gè)特征點(diǎn)，那么M的兩個(gè)特征值在以(x，y)為中心的局部范圍取得極大值。因此一幅圖像的所有特征點(diǎn)對(duì)應(yīng)了一個(gè)特征點(diǎn)函數(shù)：= k()

6、2這里，k是一個(gè)實(shí)驗(yàn)參數(shù)取值(一般取0.04)，特征點(diǎn)就是此函數(shù)的局部極大值點(diǎn)。實(shí)踐中，應(yīng)先對(duì)圖像進(jìn)行低通濾波以減少圖像的噪聲。此方法特征點(diǎn)提取精度可以達(dá)到亞像素級(jí)3。提取特征點(diǎn)后，每幅圖像的特征點(diǎn)有相當(dāng)冗余，采用以特征點(diǎn)為中心的灰度窗互相關(guān)法來對(duì)有冗余的特征點(diǎn)進(jìn)行匹配計(jì)算，以像素為中心選擇一個(gè)（2N+1）(2N+1)的灰度窗，在2幅圖像間做互相關(guān)運(yùn)算。=式中，和為亮度值，和為這個(gè)窗所有像素點(diǎn)的亮度平均值。通過這樣的匹配可以大幅度減少不匹配的特征點(diǎn)，當(dāng)然留下的“匹配”特征點(diǎn)中也存在一些偽匹配特征點(diǎn)。3 圖像縫合算法當(dāng)準(zhǔn)確的計(jì)算出圖像之間的轉(zhuǎn)換參數(shù)之后,我們需要根據(jù)求出的參數(shù)把多張?jiān)紙D像縫合成

7、一張大的Mosaic 圖像或者全景圖。圖像縫合演算法的目標(biāo)包括:Mosaic 圖像的畫出，光度的調(diào)整混合。我們需要消除全局匹配的累計(jì)誤差和圖像重合區(qū)域的失真。相同的場(chǎng)景在不同的圖像上的灰度值和對(duì)比度都不一致?？梢远x一個(gè)光度補(bǔ)償因子G來修正圖像重疊區(qū)域s0 的光度偏差4： 其中keyimg241和I 2 表示象素點(diǎn)的光度。在畫出Mosaic圖像時(shí),對(duì)重疊區(qū)域的象素的光度值乘上此因子。本文使用了重疊區(qū)域平滑過渡的方法對(duì)相鄰圖像重疊區(qū)域局部光強(qiáng)逐漸過渡,這種方法使圖像融合結(jié)果更加平滑流暢。圖像對(duì)齊以后,將原始圖像合并起來的方法有很多。在目標(biāo)圖像的每個(gè)坐標(biāo)點(diǎn)可能有許多原始圖像的坐標(biāo)與其對(duì)齊,問題在于選取哪幅圖像的對(duì)應(yīng)坐標(biāo)象素作為Mosaic圖像的象素。選均值的方法是取與目標(biāo)圖像坐標(biāo)對(duì)齊的所有象素的平均值5,該方法容易產(chǎn)生圖像模糊；選中值的方法是取所有原始圖像的象素值的中間值,該方法能消除快速移動(dòng)的局部噪聲。我們采用選均值的方法6,并盡量選取離圖像中心點(diǎn)較近的象素，目標(biāo)圖像坐標(biāo)（x,y）上的象素可用如下公式表示: 是能與坐標(biāo)（x,y）對(duì)齊的圖像是與對(duì)齊的第幅圖像上坐標(biāo)離便框的最近距離，其中。4 實(shí)驗(yàn)結(jié)果通過平臺(tái)實(shí)驗(yàn)表明,本算法在圖像拼接中算法優(yōu)化,縫合點(diǎn)查找精確,在重疊區(qū)域過渡平滑,無縫拼接能夠取得良好的效果。由于是隨