基于改進的RANSAC算法的圖像拼接研究.pdf

1、在很多情況下，我們所拍攝出的照片，都會因為很多限制因素，從而導致所拍攝出的圖像并不是我們理想中的樣子。這些限制因素包括:僅僅是局部照射的光源，拍照環(huán)境中的背景顏色與所拍攝的圖像的顏色相同或者類似，所使用的相機的像素不夠高，以及我們拍攝的角度不適合等等。這些因素也許會造成我們拍攝的圖像存在局部區(qū)域極暗或者極亮，極暗的區(qū)域對于提取特征點來說是非常困難的，因為該部分的圖像一般來說，信噪比非常的低，有效的特征點也將很難被檢測出來。由此，更會造成

2、特征點匹配時會出現(xiàn)大量的誤匹配對，對于去除誤匹配也會消耗掉大量的時間。
　　這些問題都是我們所需要解決的。在本文中，首先使用了雙邊濾波與retinex方法相結合，主要對極暗區(qū)域中的圖像進行圖像增強，然后，利用gamma函數(shù)對增強后的圖像進行校正，從而改善圖像的清晰度，增加分辨率的同時，提高了信噪比。此外，能夠提取出來的特征點數(shù)目也明顯增加。在待拼接圖像進行增強之后，通過SURF算法對特征點進行提取和構建特征點描述符，然后通過K-D

3、樹搜索最近鄰與次近鄰特征點，這一步驟主要是為了后續(xù)的通過最近鄰距離比次近鄰距離的匹配方法來找到相應的特征點，構成匹配對。通過最近距離比次近距離的匹配方法能夠快速有效的找到匹配點，大大降低了誤匹配率，提高了匹配效率。而后，使用本文提出的改進的隨機采樣一致法(RANSAC)去除錯誤的匹配點對，通過與傳統(tǒng)的隨機采樣一致法進行對比，可以看出，改進的RANSAC算法在能夠很好地去除錯誤匹配對的同時，大大降低了消除錯誤匹配對的時間。最后，采用加權平