要小涛, 王正勇, 石 伟, 卿粼波, 何小海
(1.四川大学电子信息学院, 成都 610065; 2.中国民航局第二研究所, 成都 610041)
图像拼接是指将具有互相重合部分的图像融合为一张更大视域图像的技术. 近年来, 这项技术在无人机勘测、卫星遥感、三维重建以及增强现实等诸多领域发挥着重大的作用[1-4].图像拼接技术一般分成特征点提取、特征点匹配和图像融合3个阶段. 在特征点匹配这一环节影响着图像拼接的速度并且决定着图像的拼接是否成功. 而图像融合决定着最后呈现的拼接效果. 现在使用最多的拼接算法是先通过ORB算法、SIFT算法或者SURF算法提取特征点, 然后使用k-d树算法进行特征点匹配, 再求出两幅图像的单应性矩阵并转换到同一坐标系下, 最后采用渐入渐出算法完成融合. 其中ORB使用的是FAST特征点与BRIEF特征描述符, 特征提取速度很快, 但BRIEF描述简单, 匹配率相对降低[5]; SIFT算法对矩阵变换不敏感, 噪点污染和光照强弱的变化不会影响其稳定性, 但算法耗时较大[6]; SURF 算法基于SIFT算法的思想, 改变计算方法减少了特征点提取时间, 但精度相对降低[7].
为了提升算法匹配的准确率及效率, 在特征点提取方面, 李玉峰等[8]采用基于区域分块的算法, 将图像按照4等份分成4个分块, 选择两幅图像分块相似度最大的一组作为相似区域提取特征点, 减少特征点数量, 加快匹配速度, 但是图像4等份存在所选区域相似部分不完整, 不具备代表性等问题. 厉丹等[9]采用相位相……