基于特征点匹配的图像拼接算法研究(3)

基于特征点匹配的图像拼接算法研究

96 第19卷　海　军　工　程　大　学　学　报　　　　　　　　　　　

(2)当两个点距离图像水平中线相等时,取上方的点作为该列的特征点。

2　缝合点的确定

设m1,m2为图像I1和I2的一组对应特征点,投影变换后的图像为I′m′1和I′2,m′1、2分别为m1和m2变换后的对应点。由于匹配点存在误差,可能出现错误的匹配,如果将图像直接作平移使得m′2

[4](见图1)

。点移到m′1点,有时可能得不到正确的拼接结果

　图1　缝合点查找示意图

对于图像I1m′1,设其坐标为(x′1,y′1),并以该点为中心定义一个大小为(2n+1) (2m+1)的相关窗口,设m′大2的坐标为(x′2,y′2)选择第2幅图像I′2中的搜索窗口为以该点为中心、小为(2s+1)(2t+1)的窗口,然后用该区域中的点m′2与图像I′2中的特征m′1在给定的相关窗口中进行相关操作,并设m′2的坐标为(x′2,y′2),点m′1和m′2的相关值Score的定义为:

Score(m′1,m′2)=σ(m′σ(m′1),2)(8)

其中:Cov(m′1,m′2)表示点m′1和m′2在其相关窗口中的协方差,表达式为:

nm

Cov(m′1,m′2)=[I′(x′+i,y′+j)∑∑111-E(m′1)][I′1(x′2+i,y′2+j)-E(m′2)](9)(2n+1)(2m+1)

nmσ(m′)为图像I′)为中心、　　在以点(x′,y′大小为(2n+1)(2m+1)的邻域内的标准偏差,表达式为:

σ(m′)=[I′(x′+i,y′+j)∑1)]-E(m′2(10)

-nj=-m

　　从式(8)可得出,相关值Score的取值范围从-1到1,点m′1和m′2越相似,相关值Score就越大。在实际匹配过程中,先确定一个有效的相关值的阈值,当用点m′2计算出来的相关值Score大于该阈值时,可认为该点是特征点m′缝合点查找的算法为:1的一个候选匹配点。

(1)随机选择一对匹配点m1和m2,投影变换后得到对应点m′1,m′2;

(2)在投影变换后的图像I′1和I′2上进行上面所述的相关匹配;

(3)若存在满足要求的匹配,从中选择一个最优的匹配作为结果,算法结束;否则,转到(1)。

通过上面的算法得到缝合点m′1和m′2后,让图像I′2直接作平移使得m′2移到图像I′1的m′1,即通过平移操作将两幅图像进行拼接。

3　图像间的平滑过渡

查找到缝合点之后,两幅图像的位置就得到了惟一确定,但是由于两幅图像间存在着亮度的差异,如果仅仅将两幅图像进行简单的叠加,在拼接处可能产生明显的边界(见图2)。为避免这种情况的发生,实现图像的无缝拼接,必须对图像的重叠部分进行平滑处理,以提高图像质量[5]。

本文采用渐入渐出法,将图像重叠区域的灰度值按一渐变系数相加合成全景图像,设两幅图像的灰