基于SURF和改进渐入渐出法的图像拼接算法

许超++聂诗良

摘要：普通监控摄像头获取的图像质量不高，直接采用渐入渐出法对图像融合会产生较明显的拼接痕迹，造成融合区域过渡不自然，为此本文提出了一种基于SURF和ROI的图像拼接方法，并利用RANSAC方法求取单应性变换矩阵，最后采用改进的渐入渐出法对拼接的图像进行融合。实验结果表明，通过ROI有效减少了图像配准的耗时，改进的渐入渐出融合能使图像重叠区域过渡更自然，且没有明显拼接痕迹。

关键词：图像拼接 SURF ROI 渐入渐出法

中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2016）12-0133-01

图像拼接技术是当前图像处理的研究热点，被广泛应用于计算机视觉、遥感图像绘制、医学图像分析、智能视频监控和虚拟现实等领域。图像配准是图像拼接的基础，目前配准效果最好的是SURF算法。SURF（Speeded Up Robust Features）是一种具有鲁棒性的局部特征检测算法，SURF算法来源于SIFT[1]（Scale Inviariant Feature Transform）。文献[2]与文献[3]中对SIFT和SURF算法进行了综合对比，在执行速度上，SURF算法是SIFT算法的三倍多，当图像存在旋转、模糊、光照、尺度和视角变换下，SURF与SIFT都表现出了较好的稳定性。因此本文采用SURF算法实现图像的配准。文献[4]提出了在感兴趣区域寻优搜索的策略，将特征配准算法缩减到重叠区域，提高了图像配准的效率，同时减少了特征的误匹配，提高了图像配准精度。图像融合是图像拼接另一个关键部分，渐入渐出法在速度上具有较好的体现，但是当图像质量不高和曝光不一致的情况下会出现明显的断裂和拼接痕迹。为解决普通监控摄像头图像质量不高以及视差引起的拼接质量问题，本文提出基于ROI与SURF算法的图像拼接方法，并采用RANSAC[5]算法求取最佳单应变换矩阵，最后通过改进的渐入渐出法[6][7]融合图像，有效解决了图像融合过程中的拼接痕迹，使融合区域过渡更自然。

1 系统流程

基于SURF和改进渐入渐出法的图像拼接思路如下：

（1）首先输入两张具有重叠区域的图像；

（2）大致估算重叠区域的大小；

（3）对ROI区域寻找特征点，进行特征匹配，并通过比值提纯、对称性提纯以及RANSAC提纯选出优质匹配，然后利用RANSAC计算最佳单应性矩阵；

（4）采用改进的渐入渐出法进行图像融合；

（5）输出图像。

2 图像配准

图像拼接要求重叠区域占图像的20%至30%，特征点的寻找与匹配只针对重叠区域，重叠区域外的特征点检测和匹配，增加了算法的耗时，同时会带来不必要的误匹配，降低了图像配准的精度。本文通过估算重叠区域的大致范围，然后在ROI区域内检测特征点并进行匹配。

3 图像融合

4 实验结果及分析

测试的实验平台为Intel 酷睿2 T6600@2.20 GHz CPU，内存为2GB，软件开发环境为VS2010及opencv2.4.9，图像为普通USB摄像头所拍摄，分辨率为640X480。

本文在该平台上实现了使用ROI区域的SURF算法进行图像配准，与直接使用SURF算法对比，对特征点数与程序耗时的统计如表1所示。对特定区域提取后的SURF算法比原SURF算法快了大约2倍。使用渐入渐出法融合后的图像过渡区域会出现断裂以及不自然的现象。使用改进算法融合后的图像拼接效果更接近原图像，没有明显的拼接痕迹。

5 结语

本文基于提取ROI与SURF算法快速找到特征点对并进行图像配准，然后利用改进的渐入渐出算法实现了图像的拼接，消除了拼接痕迹，改善了拼接质量。

参考文献

[1]David G Lowe.Distinctive Image Features from Scale-Invariant Keypoints[J].International Journal of Computer Vision.2004，60（60）：91-110.

[2]索春宝，杨东清.多种角度比较SIFT、SURF、BRISK、ORB、FREAK算法[J].北京测绘，2014，4，23-26.

[3]张锐娟，张建奇，杨翠.基于SURF的图像配准方法研究[J].红外与激光工程，2009，38（1）：160-165.

[4]王勇，何晓川，刘清华等.一种感兴趣区域寻优搜索的全自动图像拼接算法[J].电子与信息学报.2009， 31（2）：261-264.

[5]杨云涛，冯莹，曹毓.基于SURF的序列圖像快速拼接方法[J].计算机技术与发展，2011，21（3）：6.

[6]张亚娟.基于SURF特征的图像与视频拼接技术的研究[D].西安电子科技大学，2013.

[7]郭俊美.基于图像的柱面全景图生成技术研究[D].西安科技大学硕士学位论文，2010.