基于PCA-SIFT的圖像配準與拼接技術研究.pdf

1、隨著社會信息化的不斷發(fā)展，數(shù)據(jù)、視頻、圖像、文字等貫穿于各行各業(yè)，其中圖像的應用極為廣泛。因此，圖像處理技術已成為研究熱點。然而，在各個領域的研究和項目應用中，寬視角的圖像應用較多，而一般的相機視角較小，無法得到較寬的視野，因而需要對圖像進行拼接處理。在圖像拼接之前，首要的工作就是進行圖像配準。目前，基于PCA-SIFT的圖像配準也慢慢成為熱點。但常用的特征提取和特征描述的時間消耗較多，并且匹配的準確性也一般。對特征描述符的改進也逐漸漏

2、角，旨在提高配準的效率，同時對于消除圖像拼接縫隙的方法也逐漸增多，但對彩色圖像的拼接效果尚不理想。
　　本文主要研究了圖像配準的基本理論，描述了SIFT和PCA-SIFT的基本方法，重點分析了傳統(tǒng)SIFT特征點描述符的不足，利用Matlab做了仿真配準實驗，對比了圖像配準過程中精準度和時間效率，分析了其優(yōu)勢和不足。以往的匹配算法所占存儲空間較多且時間復雜度高。本文對SIFT算法進行了改進，采用變環(huán)加權對特征點進行描述，并利用PCA

3、降維技術，將128維降低至20維。通過實驗驗證了改進后的方法在時間復雜度方面有所改善。最后，針對目前大多數(shù)算法在圖像拼接過程中仍然存在明顯縫隙的缺陷，提出了最佳點平滑方法：第一步，采用變環(huán)加權對圖像進行特征點提取，并用PCA-SIFT對特征描述符做降維處理；第二步，通過RANSAC消除誤匹配點，將色彩最為接近的點作為拼接點；第三步，為了獲得最佳拼接線，需對找到的拼接點集做進一步平滑處理。通過仿真實驗表明，本文算法能夠在保持圖像原始信息的