基于改进SIFT的时间序列图像拼接方法研究

卢 鹏，卢 奇，邹国良，王振华，侯 倩

上海海洋大学 信息学院，上海201306

1 引言

图像拼接融合，是指将同一场景的两幅或多幅相互间存在重叠部分的图像进行空间匹配对准，融合处理后形成信息更完整和更全面的图像[1-4]。有别于多源遥感图像融合和多聚焦方式融合，拼接融合主要用于处理同种图像传感器以相同成像方式，在离散时刻拍摄的图像（或多个同种传感器在同时、不同角度拍摄的图像），即时间序列图像。拼接融合处理后的图像能够有效弥补单传感器无法充分获取目标信息的缺陷，解决图像信息量不足的问题，更适合视觉感知或计算机处理[5]。目前，图像拼接融合技术被广泛应用在智能交通、虚拟现实技术等领域。图像拼接融合的内容主要包括图像配准、图像拼接和融合两部分。目前，主要有三种图像配准方法：灰度信息配准方法[6]、特征配准方法[7]和变换域配准方法[8]。其中，基于灰度信息的配准方法是根据图像中的灰度统计信息来确定图像的相似度，计算量大，且对噪声十分敏感；基于变换域的配准方法主要通过傅里叶变换的方法来实现，图像的平移、旋转、缩放等操作在频域上都有体现，具备一定程度的鲁棒性，但是其适用的范围较小，处理信息量大，计算复杂度高。特征配准方法适用范围广，计算速度较快，且具有较高的鲁棒性，是目前最常用的配准方法。常见的特征配准方法有：Moravec[9]、Harris[10]、Harris-Laplacian[11]、SIFT[12-13]。其中尺度不变特征变换匹配算法（Scale Invariant Feature Transform，SIFT）因其不受尺度、旋转、光照等因素的影响，具有很强的稳定性，成为目前使用最广泛的特征配准算法之一。……