[发明专利]一种基于SIFT特征点匹配的图像拼接方法

说明书

技术领域

本发明涉及一种图像拼接方法，尤其涉及一种基于SIFT特征点匹配的图像拼接方法，属于图像处理技术领域。

背景技术

图像拼接就是将多幅具有一定重叠部分的图像进行融合，合成一张宽视野、没有明显拼接缝隙的高分辨率图像。目前图像拼接技术逐渐成为研究的热点，它广泛应用于计算机图像处理、海底勘探、医学图像、虚拟现实、遥感影像处理等领域。

图像拼接的方法基本可以分为以下两种：基于灰度信息的方法和基于特征的方法。基于灰度信息的方法是通过使用待拼接图像的像素值来计算两幅图像的相似程度，从而确定拼接的重叠区域，实现图像的拼接，这种方法计算量大，并且鲁棒性较差。

发明内容

本发明所要解决的问题在于针对目前图像拼接技术效率低、融合图像不清晰的问题提出了一种基于SIFT特征点匹配的图像拼接方法，本发明是一种高精度、高效率且拼接效果良好的无缝拼接方法。

本发明具体采用以下技术方案：

一种基于SIFT特征点匹配的图像拼接方法，首先提取两幅待拼接图像的SIFT特征点，并生成每一个特征点的特征描述符，针对生成的描述符对两幅图像进行匹配，根据匹配提纯后的特征点对确定融合区域，对两幅待拼接的图像进行图像融合。

传统的SIFT方法采用的是128维的特征描述符，在图像配准阶段需要耗费大量的时间。为了降低特征点的匹配时间，本文采用双向2DPCA方法对128 维的特征描述符进行了改进，提高方法的鲁棒性和计算效率，具体改进方法如下：

2DPCA-SIFT提取特征点周围41×41的邻域，计算邻域内每个像素点水平方向和垂直方向的梯度。每一个像素点水平方向和垂直方向的梯度交替排列。这样就将特征描述符转化为一个39×78维的矩阵。假设提取出有M个特征点，则：

(1)将提取出的39×78维的M个特征点X₁，X₂,…,X_M训练得到它们的均值矩阵：

(2)计算协方差矩阵G₁：

(3)计算协方差矩阵G₂：

(4)获得矩阵G₁的特征值λ₁,λ₂,…,λ_n和对应的特征向量v₁,v₂,…v_n。选取前n₁大的

特征值所对应的特征向量构成投影矩阵W₁。

(5)获得矩阵G₂的特征值λ₁,λ₂,…,λ_n和对应的特征向量v₁,v₂,…v_n。选取前n₂大的特征值所对应的特征向量构成投影矩阵W₂。

(6)将X_i先在水平方向进行投影，然后在垂直方向进行第二次投影，最终得到特征矩阵Y＝W₂X_iW₁(i＝1,2,…,M)

采用欧式距离进行匹配往往会有很多的误匹配点，通常采用随机采样一致性方法来剔除误匹配点。本文针对随机采样一致性方法内点概率小，导致方法计算效率低的问题，提出了一种约束条件的方法来对匹配点对进行筛选，提高了方法的运算效率。对匹配特征点进行粗提纯，本文采用采用匹配特征点对之间的几何一致性来对特征点进行粗提纯。具体方法如下：

(1)假设图像A和B表示待匹配的图像，特征点集分别取图像A和图像B粗匹配点的集合a＝(a₁,a₂,…,a_n)和b＝(b₁,b₂,…,b_n)。并设粗匹配点集的尺度 比值集合和角度差值集合为M、N则：

(2)并规定m_σ为计算出的图像尺度缩放的比例，n_θ为计算出的图像旋转的角度。

(3)从i＝1开始，依次求出和的值，如果这两个值均少于阈值T，保留此匹配点。否则，剔除此点。