基于SURF特征的水下圖像拼接技術(shù)研究.pdf

1、隨著海洋資源的深入開發(fā)與利用，水下探測技術(shù)日益成為世界各國經(jīng)濟與科技競爭的焦點之一。獲取大范圍、精確的海洋環(huán)境數(shù)據(jù)，是進行海底勘探、取樣、水下施工等作業(yè)的關(guān)鍵。目前，水下圖像處理技術(shù)多以圖像增強及復(fù)原技術(shù)為主，水下圖像拼接技術(shù)的提出與發(fā)展打破了傳統(tǒng)僵局，在不犧牲圖像分辨率的前提下，成為獲取水下全景數(shù)據(jù)信息的重要手段。然而，由于水下環(huán)境復(fù)雜，吸收散射較為嚴(yán)重，水下圖像拼接往往因圖像噪聲與低對比度問題，面臨特征點提取少、提取速度慢、特征點匹

2、配錯誤率高等情況。針對以上問題，本文首次將SURF算法應(yīng)用于水下，并針對水下圖像尤其是渾水中的水下圖像，提出了準(zhǔn)確度高、實時性好的基于SURF特征的水下圖像拼接技術(shù)新方法。
　　本文首先簡要介紹了水下圖像采集平臺ROV系統(tǒng)，其次針對水下圖像質(zhì)量差的問題對其進行了預(yù)處理，在此基礎(chǔ)上，對拼接過程中的關(guān)鍵步驟特征點提取及匹配、圖像融合等模塊進行了具體的闡述及分析，最終完成拼接算法的設(shè)計。
　　由于水下圖像多存在畫質(zhì)模糊，噪聲嚴(yán)重，

3、對比度低等問題，因此選用合適的圖像去噪算法是獲取更多圖像細(xì)節(jié)信息的關(guān)鍵。本文在預(yù)處理階段，采用了限制對比度自適應(yīng)直方圖均衡算法(CLAHE)對水下圖像進行了預(yù)處理，以提高圖像清晰度。在特征點提取算法上，采用了比經(jīng)典提取算法-SIFT特征提取方法提取精度更高、速度更快的SURF(Speed-up robust feature)特征提取算法。該算法包含空間極值點檢測、特征點方向確定及特征點描述符（64維特征向量描述子）的生成三個步驟，利用積

4、分圖像、Haar小波等方法，使算法在兼顧旋轉(zhuǎn)不變性及魯棒性的前提下，實時性更高。
　　在特征點選取之后，為獲得各幅圖像之間重疊部分的關(guān)系，需對提取的特征進行匹配。本文提出了最近鄰查找匹配算法的改進算法-基于Hessian矩陣跡（即Laplacian算子）的匹配方法，用以消除了錯誤匹配。粗略的匹配篩選之后，還是會有大量的錯誤匹配存在。針對剩余的誤匹配，本文借鑒可以有效避免噪聲和錯誤數(shù)據(jù)點干擾的模型擬合思想，使用隨機選取一致性（RAN

5、SAC）算法來進行匹配點提純，進一步提高了匹配的準(zhǔn)確度。
　　圖像融合是圖像拼接技術(shù)最后的關(guān)鍵步驟。在此階段，本文采用直接線性變換方法求出了待拼接圖像中對應(yīng)特征點的矩陣變換關(guān)系。對于變換過程中存在的關(guān)鍵點映射位置差異的問題，文章采用雙線性內(nèi)插的方法，改善了特征點映射時出現(xiàn)的位置不對應(yīng)的情況。在圖像融合算法上，本文在綜合比較各融合算法的基礎(chǔ)上，采用了線性漸變?nèi)诤系姆椒?，較好的消除了拼接后產(chǎn)生的拼縫，視覺效果較好。
　　在試驗階