一种基于角点匹配的图像拼接算法研究

1、第11卷 第4期 2011年2月1671 1815(20114 0865 03科 学 技 术 与 工 程Sc i ence T echno logy and Eng i neer i ngV o l11 N o 4 F eb 2011 2011 Sc i T ech Engng一种基于角点匹配的图像拼接算法研究全星慧 潘 勇(东北石油大学电子科学学院,大庆163318摘 要 提出了一种基于角点匹配的图像拼接算法。研究了基于角点匹配的图像拼接方法中,H arris 角点的检测,角点的匹配及图像的融合等关键算法。并且给出了图像拼接的MATLAB 仿真结果。实验表明,该算法能够获得较为满意的拼接效果

2、。关键词 图像拼接 角点检测 角点匹配 图像融合中图法分类号 TP391.41; 文献标志码A2010年11月18日收到,23日修改 第一作者简介:全星慧(1978 ,女,吉林省扶余县人,工学硕士,讲师,研究方向:图像处理、模式识别。E m ai:l x i nghu i 8126.co m 。图像拼接技术一直是计算机视觉、图像处理和计算机图形学的热点研究方向。它可以用来建立大视角的高分辨率图像,在虚拟现实领域、医学图像处理领域、遥感技术领域和军事领域中均有广泛的应用。图像拼接主要包括图像获取、图像配准和图像融合等几部分。基于图像特征的方法进行图像配准,具有如下优点: 图像的特征点比图像的像素

3、点要少很多,因此大大减少了匹配过程的计算量;!特征点的匹配度量值对位置的变化比较敏感,可以大大提高匹配的精确程度;特征点的提取过程可以减少噪声的影响,对灰度变化、图像形变以及光照不均等都有较好的适应能力,因此在图像配准领域得到了广泛应用1。本文采用H arris 算子检测图像的角点,对图像进行角点匹配,最后利用双线性插值法对图像进行融合,从而实现基于角点匹配的图像拼接算法。1 H arris 角点检测H arris 定义了任意方向上的自相关值为一组方形区域中图像灰度误差的总和:E (u,v=#x,yw (x,y I (x +u,y +v -I (x,y 2(1它的泰勒展开式为:E (u,v u

4、,vMu v(2M 是22的对称矩阵:M =#x,yw (x ,y I 2x I x I y I x I y I2y(3I x ,I y 分别为图像x ,y 方向的梯度值;w (x ,y 为高斯滤波器。E 可近似作为局部互相关函数,M 描述了在这点上的形状。设 1, 2是矩阵M 的两个特征值,则 1, 2可表示局部自相关函数的曲率。由于H arris 算子各向同性,所以M 保持旋转不变性。通过对矩阵M 的两特征值分析,可以得出以下三种情况:如果两特征值都比较小,则意味着窗口所处区域灰度近似常量。任意方向的移动,函数E 都会发生很小的改变;!如果其中一个特征值比较大,而另一个特征值比较小,则表明

5、成屋脊状,例如:图像的边缘。沿着边缘方向移动使得函数E 变化很小,而垂直边缘移动函数E 则变化较大;如果两特征值都很大,则表明成尖峰状,沿任意方向的移动都将使得函数E 急剧增大2。对以上三种情况的分析,可大致对角点进行检测,但实际运用中用响应函数来计算角点:R =Det(M -k trace 2(M (4式(4中Det (M = 1 2(5trace (M = 1+ 2(6式(4式(6中,Det(M 和trace (M 分别表示求矩阵的行列式和矩阵的迹。这也避免了对矩阵特征值的求解,其判断标准为:当某个区域矩阵M 的主对角线之和很大时,则表明这是一条边;当矩阵M 的行列式很大时,则表明这是一条

6、边或一个角点。式中k 按经验一般取值0.040.06。H arris 角点检测算法归纳如下:对图像的每个点计算其在横向和纵向的一阶导数,以及两者的乘积,这样得到3幅新的图像。3幅图像中的每个像素值分别对应I x ,I y ,I xy ;!分别对这3幅图像进行高斯滤波;根据角点响应函数式(4计算每个像素的R 值;%进行非最大值抑制。此外,在实际的提取过程中,对于给定的图像可能会有大量的角点被提取出来,这就增加了匹配的计算量,所以有必要对角点的数目进行限制。一般可对R 值进行排序,然后根据需要选取兴趣值最大的若干个点作为最后的提取结果。这样做的好处在于定量的提取特征点,可以根据我们对不同图像的要求

7、,提取符合我们所需的角点数量,而且保证总是最优点。图1用红色标记的点就是用上述方法检测出来的角点,从图中可以看出,检测出来的角点都是目 标轮廓线上曲率的局部极大点。图1 待拼接图像的H arris 角点检测2 角点匹配角点匹配通常就是相关性的问题。相似性度量方法,不仅考虑了一个像素以及它周围相邻区域像素的相关信息,也考虑了两幅图像中的亮度变化。相关系数定义如下:C ij =#nk =-n #nl=-nI 1(u 1i +k ,v 1i +l-!I 1(u 1i ,v 1i I 2(u 2j +k ,v 2j +l-!I 2(u 2j ,v 2j (2n +1(2n +12i (I 1 2j (

8、I 2-1(7I 1,I 2是两幅图像的灰度,(2n +1(2n +1是窗口的大小,(u 1i ,v 1i 和(u 2j ,v 2j 分别为两幅图中第i 个和第j 个待匹配的特征点。!I (u,v是角点窗口区域的平均灰度值:!I (u,v=#ni=-n #nj=-n I (u +i,v +j(2n +1(2n +1(8窗口区域的标准方差 :=#n i=-n #nj=-nI 2(u +i ,v +j(2n +1(2n +1-!I 2(u,v(9相关系数C ij 的取值范围为-1,1,若C ij为-1,则表明两个相关窗口一点也不相似;若C ij 为1,则表明两个相关窗口完全一样3。用双向最大相关系

9、数算法进行角点的粗匹配具体算法为:以图像I 1中的任意一个角点为中心选取一个(2n +1(2n +1的相关窗口,在I 2中选取一个大小相同的搜索区域,然后对I 1中的角点与I 2中搜索窗口区域内每一个角点计算相关系数C ij ,将相关系数最大的角点作为I 1给定角点的匹配点,这样可以得到一组匹配点集;!同样,给定图像I 2中的任意一个角点,搜索图像I 1中对应的窗口区域内与之相关系数最大的角点作为I 2给定角点的匹配点,这样也可以得到一组匹配点集;最后在得到的两组匹配点集中搜索相同的匹配角点对,认为该角点对是相互匹配对应的,至此,完成了角点的初始匹配。本文为了简化算法提出了对角邻域差分求和的方

10、法来进行角点的细匹配:I =P 1-P 2+P 3-P 4(10866科 学 技 术 与 工 程11卷式(10中,P 1、P 2、P 3、P 4为角点的对角邻域像素值,如图2所示,比较第一幅图像和第二幅图像角点的I 值,最接近的即为最匹配的角点对。两对匹配的角点对如图2所示。P 1P 2P P 3P 4图2 角点邻域像素图图3 两对匹配角点3 图像融合图像融合指在完成图像匹配以后,对图像进行缝合,并对缝合的边界进行平滑处理,让缝合自然过渡。常用的图像融合方法包括双线性插值算法、平均值法、加权平均法和种植滤波法等4。本文用的是双线性插值方法进行的图像融合,图4为拼接后的图。图4 拼接后的效果图4

11、 结论本文利用H arris 算子进行角点检测,采用对角邻域差分求和的方法对图像进行角点匹配,最后通过双线性插值法对图像进行融合,给出了MATLAB仿真结果。实验表明,采用本文所提到的图像配准方法结合双线性插值融合算法,准确率较高,计算量较少,能够获得较为满意的拼接效果。参 考 文 献1 李冬梅,王延杰.一种基于特征点匹配的图像拼接技术.微计算机信息,2008;24(5:296 2982 赵文彬,张艳宁.角点检测技术综述.计算机应用研究,2006;23(10:17 193 王红梅,张 科,李言俊.图像匹配研究进展.计算机工程与应用,2004;40(19:42 444 仵建宁,郭宝龙.图像拼接技

12、术研究.西安:西安电子科技大学.2007:22 49R esearch on I mage M osaic M ethod Based on CornerM atchQUAN X i n g hu,i P AN Yong(E lectron ic Sci en ce C ollege ,Northeast Petroleum Un i versity ,D aq i ng 163318,P .R .C h i naAbstract A m ethod for i m age m osa ic based on corner m atching is described.So m e key arithm etic of i m age m o sa ic based on corner m atching ,conta i n sH arris cor ner detection ,corner m atch and i m age fusi o n are d iscussed .It carried out i n theMATLAB si m ulation,experi m