基于SIFT的圖像拼接和特征提取的研究.pdf

1、作為數(shù)字圖像處理的一個分支領(lǐng)域，圖像拼接技術(shù)（Image Stitching）逐漸成為其中的重要研究課題之一。尤其在近二三十年，隨著計(jì)算機(jī)視覺技術(shù)和計(jì)算機(jī)圖形學(xué)的發(fā)展，圖像拼接技術(shù)越發(fā)成熟，并廣泛應(yīng)用在各個領(lǐng)域。圖像拼接就是將幾幅背景相似，且有共同影像鄰接的圖像通過一系列的處理拼接成一幅全景圖像，以此來達(dá)到以往只有全景攝像機(jī)才能夠呈現(xiàn)的效果。
　　一般來說，主流的圖像拼接技術(shù)主要分為兩種：基于特征提取的圖像拼接和縫合線的圖像拼接。

2、近幾年來，由于各種圖像融合或拼接方法本身越發(fā)成熟，研究者開始將部分研究重點(diǎn)放在對特征的尋找、提取和匹配上。其中，以旋轉(zhuǎn)尺度不變性（SIFT）為主的檢測方法由于其速度快、優(yōu)化好等特點(diǎn)得到了廣泛應(yīng)用。但由于其特征參數(shù)復(fù)雜且特征點(diǎn)多，因而在實(shí)時性上沒有優(yōu)勢。
　　為了解決這個問題，本文首先對常見的幾種特征檢測的方法進(jìn)行了仿真，并通過實(shí)驗(yàn)分析了造成SIFT算法實(shí)時性不佳的原因，得出了基于SIFT的圖像拼接算法的運(yùn)行時間主要花費(fèi)在SIFT特

3、征檢測上這一結(jié)論，并基于這一結(jié)論，在原有的SIFT算法上做了一些改動。具體方法是高斯-拉普拉斯差分的基礎(chǔ)上，對每一次濾波采樣的程度做了一定的調(diào)整，即在高斯差分的基礎(chǔ)上，對每一層每一級的數(shù)量進(jìn)行削減。這樣做可以減少提取出來的冗余的特征點(diǎn)。并通過差分圖像說明了這一方法的可行性。經(jīng)過試驗(yàn)證實(shí)，使用這種方法后的SIFT特征提取，可以在適當(dāng)減少特征點(diǎn)數(shù)量的情況下，保證拼接的效果，有效地縮短特征檢測的時間，讓算法在實(shí)時性上得到了一定幅度的提升。

4、r>　　同時，本文在對于拉普拉斯金字塔的圖像融合進(jìn)行了一定的改進(jìn)，在原有的縫合線拼接的基礎(chǔ)上，把原來在每一層的重疊區(qū)域都尋找最佳縫合線的方法，改成把在高一層中得到的拼接線作為后一層縫合線搜索的定義域，從而縮小了縫合線搜索的范圍，這不僅在一定程度上節(jié)省了運(yùn)算時間，還能得到合理的縫合線。
　　另外，本文利用泊松融合技術(shù)改進(jìn)了圖像拼接效果。本文的思路是針對縫合線產(chǎn)生的不同的拼接縫情況進(jìn)行分類處理，一種情況是對于全局縫合線痕跡明顯的圖像，