基于SIFT的圖像配準(zhǔn)與拼接技術(shù)研究.pdf

1、圖像拼接技術(shù)是數(shù)字圖像處理鄰域的一個(gè)研究熱點(diǎn)。近年來，隨著技術(shù)的成熟，圖像拼接技術(shù)被很好的應(yīng)用到了機(jī)器人導(dǎo)航、無人平臺(tái)戰(zhàn)場(chǎng)監(jiān)控、航拍圖像處理等多個(gè)領(lǐng)域?；谔卣鞯膱D像配準(zhǔn)與拼接技術(shù)配準(zhǔn)結(jié)果準(zhǔn)確拼接效果良好且不易受光照、旋轉(zhuǎn)等因素的影響是當(dāng)前圖像配準(zhǔn)與拼接領(lǐng)域研究的熱點(diǎn)。本文在深入研究和學(xué)習(xí)已有的基于SIFT的圖像配準(zhǔn)與拼接技術(shù)的基礎(chǔ)上，詳盡地分析了現(xiàn)有算法的不足，并提出了若干改進(jìn)算法。本論文的主要工作如下:
　　 (1)首先，針

2、對(duì)SIFT生成特征描述符環(huán)節(jié)計(jì)算量大的問題，提出了一種改進(jìn)的描述符生成算法。該算法用卷積運(yùn)算來統(tǒng)計(jì)特征點(diǎn)子鄰域的梯度信息，從而避免了頻繁的計(jì)算子鄰域的梯度直方圖，且避免了大量的重復(fù)計(jì)算，提高了算法的快速性。
　　 (2)其次，在特征點(diǎn)匹配階段，首先借助kd-tree利用特征描述符向量為特征點(diǎn)建立了索引樹，然后選取特征點(diǎn)的近似的最近鄰距離與次近鄰距離之比作為特征點(diǎn)之間的相似性度量并借助最小優(yōu)先權(quán)隊(duì)列在kd-tree上搜索特征點(diǎn)的匹

3、配點(diǎn)，最后分別用由SIFT類型的特征描述符和由改進(jìn)算法生成的特征描述符生成匹配結(jié)果并對(duì)由這兩種描述符生成的匹配結(jié)果進(jìn)行了比較和分析。在變換矩陣求解階段，首先用RANSAC算法剔除大量的錯(cuò)匹配點(diǎn)然后用迭代的非線性最小二乘法L-M對(duì)變換矩陣求精。
　　 (3)然后，針對(duì)傳統(tǒng)的基于SIFT的圖像配準(zhǔn)算法存在的三個(gè)弊端:(1)待拼接圖像的非重疊區(qū)域?qū)μ卣鼽c(diǎn)的匹配沒有絲毫用處，所以沒必要對(duì)非重疊區(qū)域進(jìn)行特征提取;(2)在處理高分辨率的大圖

4、時(shí)由于提取出的特征點(diǎn)很多使得建立kd-tree和搜索特征點(diǎn)所需的計(jì)算量大大增大;(3)圖片中的相似結(jié)構(gòu)產(chǎn)生的錯(cuò)匹配點(diǎn)僅僅依靠特征描述符向量的相似性很難剔除。本文提出了一種由粗到細(xì)的分塊匹配策略，該策略將大圖匹配問題轉(zhuǎn)換成若干個(gè)小圖匹配問題。實(shí)驗(yàn)結(jié)果顯示該策略的匹配速度要比傳統(tǒng)的基于SIFT的圖像配準(zhǔn)算法快1倍以上，且能有效的剔除由圖像的相似結(jié)構(gòu)產(chǎn)生的錯(cuò)匹配點(diǎn)。
　　 (4)最后，針對(duì)傳統(tǒng)方法在圖像融合后易出現(xiàn)拼接縫隙和像素過渡不