陜西黃河集團(tuán)有限公司 馬文希 張 巧

基于改進(jìn)SIFT算法的圖像拼接技術(shù)的研究

陜西黃河集團(tuán)有限公司 馬文希 張 巧

在利用尺度不變特征變換(SIFT)算法進(jìn)行圖像拼接的過(guò)程中，由于SIFT算法存在著幾個(gè)方面的問(wèn)題，本文為解決這幾個(gè)問(wèn)題，提出了在SIFT生成特征描述符之前，加入Moravec算子所檢測(cè)的特征點(diǎn)，理論上會(huì)解決SIFT算法存在的問(wèn)題。

SIFT；Moravec；特征點(diǎn)檢測(cè)；圖像拼接

1 引言

科技的高速發(fā)展，令人們對(duì)三維模型的研究日益重視，而為了得到完整的三維模型，必須需要有圖像拼接技術(shù)[1]。圖像拼接技術(shù)主要是把兩幅或者兩幅以上的，存在著重疊信息的圖像，通過(guò)一定的技術(shù)進(jìn)行拼接，從而生成一幅范圍更大，視野更加寬闊的圖像[2]。

圖像拼接技術(shù)主要分為兩種：一種是基于灰度的拼接算法，另一種是基于特征的拼接算法[3]。兩幅相關(guān)聯(lián)圖像之間的相似程度，通過(guò)直接采用其灰度信息的形式，利用某種一定的搜索方式找到相關(guān)聯(lián)圖像圖像之間的相似度是最大或是最小的變換參數(shù)。而基于特征的拼接算法是以圖像中提取出的某些特征來(lái)作為匹配基元，通常為點(diǎn)、線、區(qū)域或者某些特殊的結(jié)構(gòu)等，以這些特征為模型進(jìn)行配準(zhǔn)。

本文要研究的就是基于特征的拼接算法，在圖像拼接的過(guò)程中，有三部分是關(guān)鍵的：圖像的獲取、特征點(diǎn)的檢測(cè)和匹配、圖像的融合[4]。其中最為關(guān)鍵的就是特征點(diǎn)的檢測(cè)和匹配。

2 SIFT算法

文獻(xiàn)中已經(jīng)驗(yàn)證SIFT算法是目前最為成功的局部特征提取算子。SIFT算法的主要步驟是：1）建立DOG（高斯差分的尺度空間）；2）尺度空間極值點(diǎn)的檢測(cè)；3）極值點(diǎn)位置的精確定位；4）關(guān)鍵點(diǎn)的方向分配；5）特征點(diǎn)描述符的生成。據(jù)有關(guān)的文獻(xiàn)表明：與其他的局部特征提取的算法相比較，SIFT的特征點(diǎn)比較定位準(zhǔn)確，該算法具有比較好的尺度不變、旋轉(zhuǎn)不變、視角不變以及光照不變的特性。

2.1 建立DOG（高斯差分的尺度空間）

尺度空間的理論最早是在計(jì)算機(jī)視覺(jué)的領(lǐng)域出現(xiàn)的。高斯卷積核作為唯一的線性核，實(shí)現(xiàn)這種尺度變換的唯一的變換核也正是高斯卷積核。而SIFT正是利用高斯函數(shù)而建立出尺度空間的。

為了找到尺度空間中存在的極值點(diǎn)，需要把所有的采樣點(diǎn)要和與它相鄰的點(diǎn)比較，判斷出該點(diǎn)是不是比圖像域中與該尺度域相連接的點(diǎn)較大或者較小。居于中間的檢測(cè)點(diǎn)與該采樣點(diǎn)相同尺度的8個(gè)方向上相連接的點(diǎn)，以及上下相連接的尺度所對(duì)應(yīng)的18個(gè)點(diǎn)，加起來(lái)共26個(gè)點(diǎn)都進(jìn)行比較，進(jìn)而保證尺度空間中以及二維的圖像空間中都能夠?qū)O值點(diǎn)檢測(cè)出來(lái)。

2.2 極值點(diǎn)位置的精確定位

以擬和三維的二次函數(shù)的精確程度的方式，確定出關(guān)鍵點(diǎn)的位置與尺度，進(jìn)而得到亞像素的精度，再去除那些對(duì)比度比較低的關(guān)鍵點(diǎn)，以及那些邊緣響應(yīng)點(diǎn)不太穩(wěn)定的點(diǎn)，使得匹配的穩(wěn)定性增強(qiáng)、抗噪聲能力也提高了。

2.3 關(guān)鍵點(diǎn)方向的分配

由于要保持描述符所具有的旋轉(zhuǎn)不變的特性，就需要通過(guò)圖像的局部特征為所有的關(guān)鍵點(diǎn)分配一個(gè)方向。進(jìn)而采用關(guān)鍵點(diǎn)鄰域的像素梯度所具有的特性以及方向所分布的特性，就能夠得出梯度的模值。

2.4 特征點(diǎn)描述符的生成

上面所有步驟都完成后，對(duì)所有的關(guān)鍵點(diǎn)而言，都會(huì)存在三個(gè)信息：位置、尺度和方向。接下來(lái)的任務(wù)就是給所有的關(guān)鍵點(diǎn)都要生成一個(gè)相關(guān)聯(lián)的描述符，保證所有的關(guān)鍵點(diǎn)不會(huì)隨著外界的改變而變化，比如視角的變化、光照的變化等等。而且為了提高特征點(diǎn)的正確匹配率，要盡量讓所有的描述符都要具有比較好的獨(dú)特性。

3 Moravec算子

SIFT算法在特征提取與匹配方面存在下面幾個(gè)問(wèn)題[5]：1）特征點(diǎn)的提取程序比較復(fù)雜度，需要進(jìn)行計(jì)算的時(shí)間太長(zhǎng)。SIFT算法利用卷積平滑的操作和加權(quán)直方圖的統(tǒng)計(jì)相結(jié)合的方法，所以需要進(jìn)行大量的浮點(diǎn)運(yùn)算，使得復(fù)雜度較高。2）由于生成的特征點(diǎn)太多，進(jìn)而影響了匹配的速度與搜索的速度。在SIFT算法所提取的大量特征點(diǎn)中，有一部分誤差很大，需要被剔除掉，這些被剔除的特征點(diǎn)會(huì)耗費(fèi)大量的時(shí)間。3）特征集合整體顯著性不高。很多特征點(diǎn)不能反映圖像的結(jié)構(gòu)。

為了解決上述問(wèn)題，可以讓更加有效的Moravec算子來(lái)替代SIFT算法中的特征提取算子。Moravec是點(diǎn)特征提取中的經(jīng)典算子之一[6]。很多算子都是在它的基礎(chǔ)之上改進(jìn)的，比如Harris算子[7]。

Moravec優(yōu)點(diǎn)就是：1）計(jì)算量小，實(shí)現(xiàn)簡(jiǎn)單快速。2）特征點(diǎn)提取的比較合理，可以反映圖像的結(jié)構(gòu)。3）抗噪聲能力強(qiáng)。

4 實(shí)驗(yàn)驗(yàn)證

改進(jìn)算法的流程為：

圖1 算法流程圖

實(shí)驗(yàn)結(jié)果顯示運(yùn)用兩種算法進(jìn)行圖像拼接的效果是相同的。

5 結(jié)論

改進(jìn)的算法在一定程度上解決了SIFT算法的問(wèn)題，使得圖像拼接的效率更高，該算法：1）由于SIFT算法在進(jìn)行檢測(cè)特征點(diǎn)的時(shí)候，采用了DOG算子和高斯核的運(yùn)算，所以占用了大量時(shí)間，相比較而言，改進(jìn)的算法用了計(jì)算量比較小的Moravec算子，降低了運(yùn)算量。2）改進(jìn)的算法產(chǎn)生的特征點(diǎn)數(shù)量較少，大大縮短了匹配時(shí)間。3）由于Moravec本身可以反映圖像的結(jié)構(gòu)，所以改進(jìn)的算子產(chǎn)生的特征點(diǎn)有利于匹配。

將SIFT算法與Moravec算子進(jìn)行結(jié)合而改進(jìn)的特征點(diǎn)檢測(cè)以及匹配過(guò)程大大減少了圖像拼接的運(yùn)算量，縮短了圖像拼接所耗費(fèi)的時(shí)間，而且由于Moravec屬于基于特征的特征點(diǎn)檢測(cè)方式，使得圖像匹配的正確率有所提高。

[1]易成濤,王孝通．基于圖像建模系統(tǒng)中圖像拼接算法研究[J]．微電子學(xué)與計(jì)算機(jī),2010,27(6):20-23．

[2]吳錦杰,劉肖琳．基于雙目相機(jī)的圖像拼接[J]．計(jì)算機(jī)工程,2010,36(12):209-212．

[3]何穎,王玲．基于特征塊與小波變換的拼接算法[J]．計(jì)算機(jī)工程與設(shè)計(jì),2010,31(9):1958-1975．

[4]尉朝聞,李會(huì)平．基于特征點(diǎn)的圖像拼接算法研究[D]．西安科技大學(xué)科學(xué)與技術(shù)學(xué)院:177-179．

[5]趙欽君,趙東標(biāo),韋虎．Harris-SIFT算法及其在雙目立體視覺(jué)中的應(yīng)用[J]．電子科技大學(xué)學(xué)報(bào),2010,39(4):546-550．

[6]黃燕．點(diǎn)特征提取算法探討[J]．現(xiàn)代商貿(mào)工業(yè),2009,12:302．

[7]朱玉璽,周靈．基于M算子確定條件的小波圖像融合算法設(shè)計(jì)[J]．佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版)．2010,28(3):18-22．