彭 軼，唐莉萍，陳夢睿

（東華大學(xué)a.信息科學(xué)與技術(shù)學(xué)院；b.計算機(jī)科學(xué)與技術(shù)學(xué)院，上海 201620）

纖維圖像拼接算法的研究

彭 軼a，唐莉萍a，陳夢睿b

（東華大學(xué)a.信息科學(xué)與技術(shù)學(xué)院；b.計算機(jī)科學(xué)與技術(shù)學(xué)院，上海 201620）

針對全景顯示長纖維顯微圖像的需求，提出一種纖維圖像的拼接算法.通過不同方向的細(xì)長纖維產(chǎn)生用以拼接的多邊形對象.由于塊狀對象適合于最優(yōu)化計算，因此，線狀特征的塊狀化轉(zhuǎn)換提高了匹配的穩(wěn)定性和精度.圖像的拼接通過多邊形的重疊匹配實(shí)現(xiàn)，通過迭代匹配實(shí)現(xiàn)多邊形的逼近計算.試驗(yàn)證明本文算法能實(shí)現(xiàn)細(xì)長纖維圖像的無縫拼接.

圖像拼接；纖維圖像；線性相關(guān)；迭代匹配

圖像拼接是將具有重疊區(qū)的多幅數(shù)字圖像或多幀視頻圖像通過數(shù)字配準(zhǔn)和融合，獲得單幅寬視場圖像或動態(tài)全景圖［1－2］，它是照相繪圖學(xué)、計算機(jī)視覺、圖像處理和計算機(jī)圖形學(xué)研究中的熱點(diǎn)，廣泛應(yīng)用于醫(yī)學(xué)探查［3－5］、光學(xué)觀測天文學(xué)、衛(wèi)星遙感和合成孔徑雷達(dá)（SAR）［6］、視頻監(jiān)控和虛擬現(xiàn)實(shí)［7－8］等領(lǐng)域.目前有關(guān)圖像拼接算法的文獻(xiàn)可以分為基于變換域［9－10］、基 于 圖 像 特 征［11－12］、基 于 圖 像 灰 度［13］共3類.

在對織物纖維的長度自動檢測時，由于顯微鏡跟蹤拍攝范圍的限制，需要對纖維分圖像拍攝，然后通過大圖拼接獲取完整的纖維信息.目前纖維圖像的拼接方法主要有基于邊緣特征點(diǎn)的匹配［14］、基于掩碼點(diǎn)的匹配［15］以及基于圖像灰度的固定模板窮盡搜索匹配算法［16］（簡稱模板匹配算法）等.基于邊緣特征點(diǎn)的匹配較多用于纖維橫截面圖像的拼接，通過提取圖像特征，可以大大縮減圖像信息量，具有計算量較小、速度快的特點(diǎn)，但拼接效果的好壞與特征點(diǎn)的提取準(zhǔn)確與否密切相關(guān)［17］.而模板匹配算法雖不受拼接圖像內(nèi)容的限制，具有精度高、抗干擾性強(qiáng)等優(yōu)點(diǎn)，但隨著模板的增大，運(yùn)算量將迅速增加.

本文以長纖維縱向圖像的準(zhǔn)確、快速拼接為研究方向，依據(jù)纖維縱向圖像的特點(diǎn)，提出一種長纖維顯微圖像特征提取及其匹配拼接算法.先以基于線性相關(guān)度的評價準(zhǔn)則，評價不同特征區(qū)域?qū)μ卣魈崛〉姆€(wěn)健性和配準(zhǔn)精度的影響.然后根據(jù)評價結(jié)果，提出利用纖維細(xì)長、平滑的外形特征，將纖維重疊區(qū)域的線狀特征匹配轉(zhuǎn)化為基于塊狀的特征匹配，通過重疊區(qū)域多邊形塊狀的邊界信息提取出有效特征，實(shí)現(xiàn)迭代匹配.最后將算法應(yīng)用于纖維樣本試驗(yàn)驗(yàn)證.

“可能你看到的是足爐！”彤彤自信地回應(yīng)說，足爐比手爐大一些，常常是用錫或銅制成的金屬壺。最常用的足爐叫“湯婆子”，又稱“湯媼”“錫夫人”“腳婆”，使用方法跟現(xiàn)在的熱水袋如出一轍，即將壺內(nèi)注入熱水，擰上蓋子，包上厚布，放入被窩中焐腳。

1 纖維圖像的特點(diǎn)

待拼接的纖維圖像如圖1所示.由于纖維試樣中只包含若干條纖維段，使得采集到的圖像與常見的自然圖像不同，后者通常包含豐富的內(nèi)容，而前者除含有少量的纖維目標(biāo)對象以外，多數(shù)部分為背景，圖像的內(nèi)容相對簡單.通過觀察，纖維圖像有以下特點(diǎn)：

（1）前景點(diǎn)（即纖維）形狀呈狹長條狀，前景點(diǎn)與背景點(diǎn)面積懸殊；

（2）任意兩條纖維在彎曲程度和伸展方向上都不完全相同，幾乎不存在相互平行的纖維；

（3）相鄰兩幅圖像間的纖維重疊面積相對較?。?/p>

自古以來，藍(lán)寶石就有“帝王之石”之稱。傳說藍(lán)寶石可讓佩戴者免遭人妒忌，并可蒙受神靈垂愛，于是古代國王就在頸間配戴藍(lán)寶石，作為避免受傷的強(qiáng)力防御物。19世紀(jì)，正是由于一顆被世人譽(yù)為“擁有它者必為王”的卡魯大帝的護(hù)身藍(lán)寶石，改變了拿破侖一世和愛妻約瑟芬的命運(yùn)。

［3］PERIASWAMY S，F(xiàn)ARID H.Medical image registration with partial data［J］.Medical Image Analysis，2006，10（3）：452－464.

圖1 待匹配的纖維圖像Fig.1 Fiber images for matching

結(jié)合以上纖維圖像特點(diǎn)和對現(xiàn)有拼接算法分析，較小的重疊比例難以達(dá)到基于變換域方法的要求；相似區(qū)域太多，類似于紋理圖像，應(yīng)用輪廓特征方法的效果不明顯；基于圖像灰度的方法，模板的大小和位置難以選取.因此，本文提出一種針對細(xì)長纖維圖像的拼接算法.

2 圖像內(nèi)容對匹配準(zhǔn)確度和穩(wěn)定度的相關(guān)性分析

選用何種方法進(jìn)行匹配，需要依據(jù)一個客觀的評估標(biāo)準(zhǔn)對匹配結(jié)果進(jìn)行準(zhǔn)確度評估.本文用線性相關(guān)知識［18］定義評價函數(shù)如式（1）所示.

Step 2在當(dāng)前輪廓點(diǎn)的四鄰域內(nèi)尋找標(biāo)記不為“已找過”的輪廓點(diǎn)，如果未找到，則轉(zhuǎn)入Step 5，否則進(jìn)入Step 3；

評價函數(shù)的收斂區(qū)域與圖像拼接的穩(wěn)定性有關(guān)，收斂區(qū)域的大小與兩個待拼接的圖像內(nèi)容相關(guān).為了解釋這個問題，假設(shè)有兩組待拼接圖像，前景點(diǎn)分別是線狀（不平行）和塊狀區(qū)域，如圖2所示.

圖2 待拼接圖像內(nèi)容Fig.2 Images to be spliced

智能半自動法測量患者肝臟體積：在IQQA-Liver自動分析軟件中載入原始數(shù)據(jù)，調(diào)整好增強(qiáng)各期順序后系統(tǒng)讀入數(shù)據(jù)。選擇門脈期圖像，在大三維模式下，系統(tǒng)會自動根據(jù)肝臟解剖位置及肝臟密度勾畫出每層的肝實(shí)質(zhì)輪廓，點(diǎn)擊“修改”后，用“畫筆／高級畫筆”功能在二維圖像上編輯修正，得到滿意全肝輪廓后結(jié)束修改，點(diǎn)擊“確定”后便得到全肝體積。

但《舊唐書》載“盧鴻一”之名凡五見，可知此非傳寫之誤，而是史官撰寫之誤。史官何以誤書?唐張彥遠(yuǎn)《歷代名畫記》卷九《唐朝上》記載:“盧鴻一名浩然，高士也。工八分書，擅畫山水樹石，隱于嵩山。開元初征，拜諫議大夫，不受?！庇^此可知:盧鴻，一名浩然。蓋史官誤讀“盧鴻一”為名，于是又改“名”為“字”，遂成此誤。《新唐書》卷一九六《盧鴻傳》已刪訂《舊傳》衍文“一”字，而“字顥然”則仍襲其誤(“浩”“顥”二字通)。關(guān)于“盧鴻一”與“盧鴻”之是非，前人已有辯證，可參見清葉廷琯《吹網(wǎng)錄》卷二《盧鴻之名下無一字》條，但葉氏所述較為繁雜，條理混亂，故進(jìn)一步廓清之。

MMC由于直流側(cè)沒有集中布置的電容器，為保持直流母線電壓正負(fù)極對稱，需在直流側(cè)或換流變二次側(cè)設(shè)置接地點(diǎn)。常見接地方式主要有直流側(cè)經(jīng)電阻接地、交流側(cè)構(gòu)造接地點(diǎn)或利用換流變壓器接地。

圖3 塊狀和線狀區(qū)域匹配評價函數(shù)的比較Fig.3 Matching evaluation function comparison between block area and linear area

3 纖維圖像拼接算法

3.1 目標(biāo)區(qū)域劃定

［5］BUTZ T，THIRAN J P.Affine registration with feature space mutual information ［C］／／Medical Image Computing and Computer－Assisted Intervention.London：Springer，2001：549－556.

圖4 纖維圖像的目標(biāo)區(qū)域（深色填充）Fig.4 The target areas of fiber images（dark color）

對兩幅圖像進(jìn)行左右拼接過程中，只要關(guān)心相鄰的左、右重疊部分的圖像內(nèi)容.拼接之前，先判斷重疊區(qū)域中能否劃定出目標(biāo)區(qū)域.通常單根纖維提取出的單像素連續(xù)輪廓在同一像素列上有兩個輪廓點(diǎn)，可以通過掃描像素列上的輪廓點(diǎn)總數(shù)判斷區(qū)域內(nèi)纖維條數(shù).當(dāng)纖維條數(shù)大于1時，可以劃定目標(biāo)區(qū)域進(jìn)行圖像拼接；否則認(rèn)為冗余信息不足，無法完成圖像拼接.

3.2 特征提取

圖5 纖維輪廓Fig.5 Contours of fibers

對于塊狀區(qū)域拼接，需要多邊形塊狀的邊界信息.本文選定的塊狀區(qū)域由y軸方向的兩條直線和x方向的兩條纖維組成，提取相同x值時y方向上的纖維邊界最大差值作為特征提取.為了簡化特征提取算法，先對纖維輪廓進(jìn)行跟蹤分段處理.具體步驟如下：

Step 1在纖維輪廓上任意選取一點(diǎn)作為當(dāng)前輪廓點(diǎn)，記錄其x坐標(biāo)值作為xmax；

如 100 JD 36×6中，100為適用于最小井徑100 mm，JD為深井多級泵，36 為流量（m3/h），6 為葉輪級數(shù)；

以綠色建筑評價為核心的集成軟件系統(tǒng)正在形成，目前已開發(fā)完成的10個軟件是該集成系統(tǒng)中的重要組成部分。逐漸擺脫了用戶只能使用國外軟件才能設(shè)計計算的困境，我們直接面對市場，面對我國用戶，達(dá)到了用戶使用成本低，價格便宜，符合中國標(biāo)準(zhǔn)，使用方便，服務(wù)到位。同時，企業(yè)在研發(fā)過程中，不斷學(xué)習(xí)新技術(shù)，不斷增加核心部分，使企業(yè)在綠色建筑設(shè)計領(lǐng)域的競爭力大幅度提高。

(4)注重社會合作。美國高校向社會提供大型儀器設(shè)備的開放共享，其不僅面向?qū)W校、科研院所進(jìn)行資源共享，更是對整個美國社會開放共享，這種高度開放的形式，有利于整個社會的科技進(jìn)步，對美國高校而言，一是可以帶來較大資金收益，二是降低了大型科學(xué)儀器設(shè)備的空置率和浪費(fèi)，提高了大型科學(xué)儀器設(shè)備的使用效率和科研產(chǎn)出，是雙贏的共享模式。

Step 4標(biāo)記當(dāng)前輪廓點(diǎn)為“已找過”，將新找到的輪廓點(diǎn)作為當(dāng)前輪廓點(diǎn)，返回Step 2；

Step 5標(biāo)記當(dāng)前輪廓點(diǎn)為“已找過”，其灰度值與上一個輪廓點(diǎn)保持一致，纖維輪廓跟蹤分段操作結(jié)束.

圖6 輪廓跟蹤前、后放大圖Fig.6 The enlargement before and after contour tracking

經(jīng)上述操作，圖5所示的纖維輪廓被劃分為6個線段，如圖7（a）所示.將每段纖維輪廓點(diǎn)按x坐標(biāo)值從小到大順序存儲.程序從左到右、從上到下進(jìn)行掃描時，依次對跟蹤到的每一段纖維輪廓按順序標(biāo)號，第一段標(biāo)記為0，第二段標(biāo)記為1，依此類推.如果將每個線段標(biāo)號作為纖維輪廓的第3個坐標(biāo)z坐標(biāo)，則可以認(rèn)為圖5中的每個線段處于不同的z平面上，如圖7（b）所示，它們在x－z平面內(nèi)的投影如圖7（c）所示.此時，只需對同一個x坐標(biāo)輪廓點(diǎn)的各輪廓線段分別計算兩兩之間的y坐標(biāo)值之差，將最大差值的兩個輪廓線段作為x對應(yīng)的特征值.

圖7 輪廓段分布示意圖Fig.7 Schematic diagram of contours distribution

3.3 迭代匹配

通過特征提取得到每一個x坐標(biāo)對應(yīng)的特征值，即特征序列.圖8（a）和8（b）分別是圖1（a）和1（b）待拼接的纖維圖像的特征序列.記圖1（a）為A，圖1（b）為B.若相鄰兩幅圖像A和B可以拼接，則待拼接區(qū)域（即兩幅圖像的重疊部分）的特征序列必定部分一致，也即一定有塊狀區(qū)域重合，因此，可以通過在兩幅圖像的重疊部分尋找塊狀區(qū)域相似的方法進(jìn)行圖像匹配.匹配采用逐層推進(jìn)的迭代方式，具體步驟如下所述.

2、缺乏自信心，意志不堅定。中職生在以前的初中已經(jīng)被冠以“差生”頭銜，很少得到老師的表揚(yáng)和同學(xué)的尊重以及肯定，認(rèn)為自己不行，在嚴(yán)重缺乏自信的情況下使他們越來越不愿意學(xué)習(xí)，甚至害怕學(xué)習(xí)，這樣的心態(tài)，何談學(xué)習(xí)積極性。

（3）按一定步長δ分別取xe＝xs－δ處的特征值Fe和xe′＝xs′－δ處的特征值Fe′，經(jīng)比較，如果滿足Fe′＝Fe，表明在兩張圖像的相鄰區(qū)域找到了兩個面積相等的梯形區(qū)域，轉(zhuǎn)入步驟（5）迭代運(yùn)算，進(jìn)行梯形區(qū)域細(xì)節(jié)特征匹配.否則轉(zhuǎn)入步驟（4）.

（4）利用二分法確定δ＝0.5×δ，轉(zhuǎn)入步驟（3）.

（6）迭代次數(shù)加1，當(dāng)連續(xù)迭代次數(shù)超過設(shè)定次數(shù)，認(rèn)為兩梯形區(qū)域重合，迭代結(jié)束，相應(yīng)部分圖像可以拼接；否則xe＝xn，xe′＝xn′，轉(zhuǎn)入步驟（5）繼續(xù)迭代.

（7）在圖像B的重疊部分中，從xs′位置開始，繼續(xù)往右遍歷，找到下一個Fs′＝Fs的位置xs′，轉(zhuǎn)入步驟（3）；否則無法完成拼接，換另一張圖像重新處理.

‘花桿實(shí)心竹’與昆明實(shí)心竹的關(guān)鍵區(qū)別在于其稈具有寬窄不一的金黃色條紋，稈籜紫色縱條紋不明顯，近無毛；筍淡黃色，紫色縱條紋不明顯，且近無毛。兩者的特征對比見圖1—圖3。

圖8 迭代匹配Fig.8 Iterative matching

4 試驗(yàn)結(jié)果及分析

在應(yīng)用本文算法進(jìn)行纖維圖像拼接試驗(yàn)時，發(fā)現(xiàn)光照不均和兩幅相鄰圖像存在亮度差異對拼接效果影響很大.

4.1 光照不均對拼接效果的影響

顯微鏡的點(diǎn)光源使得纖維圖像存在光照不均勻，圖像中央?yún)^(qū)域的信號強(qiáng)度增大，離開中心區(qū)域的圖像強(qiáng)度值降低，造成了圖像中過亮或過暗的區(qū)域中出現(xiàn)部分纖維信息的丟失，出現(xiàn)幾何失真，嚴(yán)重影響輪廓特征的提取，如圖9所示.

圖9 光照不均引起輪廓信息模糊Fig.9 Contour information fuzzy caused by the uneven light

為此，在圖像預(yù)處理過程，增加了光照不均修正算法，先利用均值濾波對圖像進(jìn)行平滑，然后通過計算離均差求得特征集合，再利用特征點(diǎn)對原始圖像進(jìn)行線性迭代修正，最終實(shí)現(xiàn)單一光源的平衡.

莫言用優(yōu)美的筆調(diào)營造了一個生機(jī)彌漫的紅高粱世界。書中無處不在的茁壯、濃密、頑強(qiáng)的紅高粱隱喻著生命的頑強(qiáng)，無邊無際的高粱地是高密人愛恨情仇、精忠報國的場所。生活在汪洋血海的高粱地里的高密人，雖然面臨貧窮、仇恨和死亡等痛苦和磨難，但同時逆境也激發(fā)了他們昂揚(yáng)的斗志和張揚(yáng)的個性。個體生命的張揚(yáng)、毀滅、肢解都與紅高粱地相融合。

4.2 相鄰圖像亮度差異對拼接效果的影響

［4］WU F，F(xiàn)ANG X.A new global registration algorithm for image mosaic［C］／／Proceedings of the 7th WSEAS International Conference on Signal，Speech and Image Processing.Beijing，China，2007：136－140.

圖10 相鄰圖像亮度差異引起的拼接痕跡Fig.10 Traces of mosaic caused by brightness difference of adjacent images

為了消除拼接痕跡，實(shí)現(xiàn)圖像的無縫拼接，對圖像的重疊部分進(jìn)行了平滑處理.平滑處理的主要思想是在圖像的重疊部分中，像素的灰度值由前一幅圖像逐漸過渡到第二幅圖像，將圖像重疊區(qū)域的像素值按一定的權(quán)值相加合成新的圖像.

圖11 線性過渡示意圖Fig.11 Schematic diagram of linear transition

針對試驗(yàn)中出現(xiàn)的問題，采用上述對策成功解決了光照不均和相鄰兩幅圖像亮度差異對圖像拼接造成的不良影響.這里給出一部分纖維采樣圖像拼接試驗(yàn)的結(jié)果，圖12是成功拼接的圖像.

圖12 纖維圖像拼接成功Fig.12 Mosaic success for fiber images

算法的拼接效果受雜質(zhì)剔除的結(jié)果影響也會出現(xiàn)拼接失敗現(xiàn)象.如圖13所示，在拍攝纖維圖像時，顯微鏡的移動造成圖13（a）中的完整雜質(zhì)在圖13（b）中只顯示了一部分.在進(jìn)行雜質(zhì)剔除時，圖13（b）中的部分雜質(zhì)由于面積小于設(shè)定閾值，滿足剔除條件被剔除；而圖13（a）中的雜質(zhì)面積大于閾值仍被保留.如圖13（c）矩形所示，圖13（a）中保留下來的雜質(zhì)被誤認(rèn)為是纖維的一部分，參與了目標(biāo)區(qū)域劃分過程；在圖13（b）的重疊區(qū)域中這個目標(biāo)區(qū)域不存在，因而對提取的特征無法進(jìn)行匹配，造成無法拼接的后果，使得拼接失敗，這是后期研究需要進(jìn)一步解決的問題.

圖13 纖維圖像拼接失敗Fig.13 Mosaic failure for fiber images

5 結(jié) 語

本文通過對已有的拼接算法的研究分析，結(jié)合纖維的獨(dú)特外形，提出一種適用于長纖維顯微圖像特征提取及其匹配拼接算法.依據(jù)線性相關(guān)度的評價準(zhǔn)則，對基于線狀和塊狀特征匹配的穩(wěn)健性和配準(zhǔn)精度進(jìn)行了討論，提出了利用纖維細(xì)長、平滑外形特征進(jìn)行重疊區(qū)域目標(biāo)塊狀區(qū)域的劃分，將基于線狀的特征匹配轉(zhuǎn)化為基于塊狀的特征匹配.通過多邊形塊狀的邊界信息提取出有效特征，實(shí)現(xiàn)迭代匹配.本算法通過大量的纖維樣本試驗(yàn)驗(yàn)證，除少數(shù)由于纖維雜質(zhì)剔除錯誤造成的拼接失敗以外，均獲得了理想的結(jié)果.

參 考 文 獻(xiàn)

［1］HSU S，SAWHNEY H S，KUMAR R.Automated mosaics via topology inference［J］.IEEE Computer Graphics and Application，2002，22（2）：44－54.

控制系統(tǒng)加入前饋補(bǔ)償功能后，一旦出現(xiàn)LNG流量或者壓力的擾動，前饋調(diào)節(jié)器就根據(jù)擾動的大小補(bǔ)償對被控量的影響。只要前饋函數(shù)設(shè)置相對合理，實(shí)現(xiàn)近似補(bǔ)償是可行的。

［2］BROWN M，LOWE D G.Recognising panoramas［C］／／Proceedings of the Ninth IEEE International Conference on Computer Vision.Nice，F(xiàn)rance，2003：1218－1225.

目前，高校請假條類型主要為事假與病假。通過“審批”中的表單設(shè)計，能夠?qū)崿F(xiàn)紙質(zhì)假條向電子假條轉(zhuǎn)化的目的。在電子請假條中，學(xué)生可以采用拍照等手段提供佐證材料說明請假理由。電子請假條的使用能夠有效打破時間和空間的限制，節(jié)約了時間成本，提高工作效率。

（4）為了保證在對分圖像進(jìn)行拼接時不遺漏纖維信息，各個分圖像在采集時都需要和毗連的圖像間有重疊區(qū)域，系統(tǒng)中每一個分圖像的大小為800像素×600像素，左右的重疊部分約取160個像素，上下的重疊部分約取120個像素.

Step 3比較新找到的輪廓點(diǎn)的x坐標(biāo)值與當(dāng)前輪廓點(diǎn)的x坐標(biāo)值，如果x值增大，則將當(dāng)前輪廓點(diǎn)的灰度值置為125，并記錄新輪廓點(diǎn)的x坐標(biāo)值作為xmax；如果x值減小，則將當(dāng)前輪廓點(diǎn)的灰度值置為0；如果兩個坐標(biāo)值相等，則當(dāng)前輪廓點(diǎn)的灰度值與上一個輪廓點(diǎn)的灰度值保持一致，如圖6所示；

圖像經(jīng)光照不均修正以后，消除了光照不均對纖維輪廓提取的影響，準(zhǔn)確地計算出纖維輪廓，提取出圖像匹配所需要的特征，可以根據(jù)這些特征完成圖像拼接.但是試驗(yàn)中發(fā)現(xiàn)待拼接的相鄰兩張圖像如果存在亮度差異，就會在拼接圖像的交接處出現(xiàn)清晰的邊界，圖像拼接的痕跡非常明顯，如圖10所示.

由于塊狀圖形在匹配穩(wěn)定性方面優(yōu)于線狀圖形，因此對細(xì)長條狀纖維圖像的拼接，可以改進(jìn)目標(biāo)區(qū)域的選定方法，將圖像中的多條纖維近似為多條曲線，在圖像的垂直（或水平）方向任意作多條直線，將它們與纖維“曲線”之間所圍成的閉合區(qū)域作為目標(biāo)區(qū)域.如圖4中直線段AC和BD及“曲線段”AB和CD所圍成的塊狀區(qū)域，從而實(shí)現(xiàn)線狀區(qū)域匹配到塊狀區(qū)域匹配的轉(zhuǎn)變.目標(biāo)區(qū)域的內(nèi)部是背景圖像，前景圖像作為目標(biāo)區(qū)域的部分輪廓.

［6］YAO H Y，SUN W F，LI P，et al.Research on evaluation methods of SAR image mosaic effect ［J］. Computer Engineering，2010，36（15）：196－198.

［7］SZELISKI R.Image alignment and stitching：A tutorial［J］.Foundations and Trends in Computer Graphics and Vision，2006，2（1）：1－104.

［8］BROWN M，SZELISKI R，WINDER S.Multi－image matching using multi－scale oriented patches［C］／／Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition.San Diego，USA，2005：510－517.

［9］ZOKAI S，WO