基于RANSAC的图像拼接方法

为解决常用SUSAN 角点检测的阈值都是固定的,检测出的角点经归一化互相关后直接使用RANSAC(即随机抽样一 致性算法)得到的单应性矩阵准确度不高等问题,给出了一种改进的RANSAC 图像拼接方法。

5692

2009,30(24)

计算机工程与设计ComputerEngineeringandandDesign计算机工程与设计ComputerEngineeringDesign

基于RANSAC的图像拼接方法

周剑军，欧阳宁，张

摘

彤，莫建文

(桂林电子科技大学图像信息研究所，广西桂林541004)

要：为解决常用SUSAN角点检测的阈值都是固定的，检测出的角点经归一化互相关后直接使用RANSAC(即随机抽样一致性算法)得到的单应性矩阵准确度不高等问题，给出了一种改进的RANSAC图像拼接方法。利用具有自适应阈值的角点提取算法抽取图像的角点特征，采用引导匹配的方法重新进行归一化互相关，增加了准确匹配点的个数，提高了单应性矩阵的估算效果，最后采用拉普拉斯金字塔对配准后图像进行分层融合、拼接。实验结果表明，该方法比常用方法具有更好的矩阵估算效果，拼接效果良好。

关键词：角点检测;自适应阈值;随机抽样一致性算法;单应性矩阵;拉普拉斯金字塔中图法分类号：TN911.73

文献标识码：A

文章编号：1000-7024(2009)24-5692-03

ImagemosaicmethodbasedonRANSAC

ZHOUJian-jun,

OUYANGNing,

ZHANGTong,

MOJian-wen

(InstituteofImageInformation,GuilinUniversityofElectronicTechnology,Guilin541004,China)

Abstract：TosolvethefixedthresholdsofcommonSUSANcornerdetectionandthehomographyaccuracyproblemscausedbythecornerdirectlypreliminarymatchusingNCC,animprovedRANSACmethodisputforwardhere.TheimagefeaturepointsisextractedbycornerextractionalgorithmwithadaptivethresholdandNCCiscarriedoutagainbytheguidematchingmethod.Thenumberofmatchingpointsisincreasedandestimatedeffectsofthehomographyisimproved.Finally,hierarchicalfusionforimageregistratedisachievedusinglaplacepyramidmethod.Theresultsshowthatthismethodisbetterthanthecommonmethodforestimatingtheeffectofthematrixandhasagoodmosaiceffect.

Keywords：cornerdetection;adaptivethreshhold;RANSAC;homography;Laplacepyramid

0引言

应性矩阵的估算效果。它首先用具有自适应灰度差阈值的SUSAN算子抽取参考图像和输入图像的特征点，用归一化互相关对它们进行初步匹配，然后用RANSAC算法估算出图像间的单应性矩阵。

为了得到效果更加理想的变换矩阵，采用经RANSAC后得到的单应性矩阵去引导两幅原始图像上的所有角点再次进行归一化互相关，增加准确匹配点的个数，剔除一些误匹配

点。最后使用LM(levenberg-marquardt)非线性优化算法来重新估算矩阵，进一步改进变换矩阵的估算效果。对配准后图像采用拉普拉斯金字塔进行分层融合、拼接。

图像拼接在诸如医疗诊断、资源分析、目标识别、虚拟现实和遥感监测等各种不同的领域都有着许多重要的应用。

现有的图像拼接方法主要分为基于特征和基于区域两种。其中，基于区域的方法是直接对每个像素进行比较，计算量大，而基于特征的拼接方法，主要是找图像间的对应特征点，计算量比较小。常用的基于特征的拼接方法一般是先用Harris[1]或SUSAN[2]提取特征点，然后对特征点进行归一化互相关匹配，使用RANSAC(即随机抽样一致性算法)剔除误匹配点，估算单应性矩阵，最后采用LM算法迭代优化，得到较准确的变换矩阵。当两幅图像中经归一化互相关后得到的准确匹配点个数较少时(特别是图像间存在角度旋转)，使用这种方法将导致用RANSAC算法得到的单应性矩阵的估算效果不理想。

针对以上问题，本文给出了一种改进的RANSAC图像拼接方法，增加了归一化互相关后准确匹配点的个数，提高了单

1改进的SUSAN特征点提取算法及匹配[3-4]

在SUSAN算法中，有两个阈值比较重要，即几何阈值

/4，在进行角点提取的时候通常取

决定了

max

SUSAN算子所能检测到的最小的对比度以及去噪声点的能

收稿日期：2009-01-16；修订日期：2009-03-03。

基金项目：广西科技厅基金项目(桂科基0731020)；广西教育厅立项基金项目(桂教科研2006-26)。

作者简介：周剑军(1983－)，男，江西南昌人，硕士研究生，研究方向为图像信息处理；欧阳宁，男，副教授，硕士生导师，研究方向为图像处理和识别等；张彤，男，讲师，研究方向为图像处理与识别；莫建文，男，副教授，硕士生导师，研究方向为图像处理、自适应信号处理等。E-mail：zhoujianjun10736@http://doc.xuehai.net

第1页下一页