基于改进SIFT算法的图像拼接技术的研究

陕西黄河集团有限公司 马文希 张 巧

基于改进SIFT算法的图像拼接技术的研究

陕西黄河集团有限公司 马文希 张 巧

在利用尺度不变特征变换(SIFT)算法进行图像拼接的过程中，由于SIFT算法存在着几个方面的问题，本文为解决这几个问题，提出了在SIFT生成特征描述符之前，加入Moravec算子所检测的特征点，理论上会解决SIFT算法存在的问题。

SIFT；Moravec；特征点检测；图像拼接

1 引言

科技的高速发展，令人们对三维模型的研究日益重视，而为了得到完整的三维模型，必须需要有图像拼接技术[1]。图像拼接技术主要是把两幅或者两幅以上的，存在着重叠信息的图像，通过一定的技术进行拼接，从而生成一幅范围更大，视野更加宽阔的图像[2]。

图像拼接技术主要分为两种：一种是基于灰度的拼接算法，另一种是基于特征的拼接算法[3]。两幅相关联图像之间的相似程度，通过直接采用其灰度信息的形式，利用某种一定的搜索方式找到相关联图像图像之间的相似度是最大或是最小的变换参数。而基于特征的拼接算法是以图像中提取出的某些特征来作为匹配基元，通常为点、线、区域或者某些特殊的结构等，以这些特征为模型进行配准。

本文要研究的就是基于特征的拼接算法，在图像拼接的过程中，有三部分是关键的：图像的获取、特征点的检测和匹配、图像的融合[4]。其中最为关键的就是特征点的检测和匹配。

2 SIFT算法

文献中已经验证SIFT算法是目前最为成功的局部特征提取算子。SIFT算法的主要步骤是：1）建立DOG（高斯差分的尺度空间）；2）尺度空间极值点的检测；3）极值点位置的精确定位；4）关键点的方向分配；5）特征点描述符的生成。据有关的文献表明：与其他的局部特征提取的算法相比较，SIFT的特征点比较定位准确，该算法具有比较好的尺度不变、旋转不变、视角不变以及光照不变的特性。

2.1 建立DOG（高斯差分的尺度空间）

尺度空间的理论最早是在计算机视觉的领域出现的。高斯卷积核作为唯一的线性核，实现这种尺度变换的唯一的变换核也正是高斯卷积核。而SIFT正是利用高斯函数而建立出尺度空间的。

为了找到尺度空间中存在的极值点，需要把所有的采样点要和与它相邻的点比较，判断出该点是不是比图像域中与该尺度域相连接的点较大或者较小。居于中间的检测点与该采样点相同尺度的8个方向上相连接的点，以及上下相连接的尺度所对应的18个点，加起来共26个点都进行比较，进而保证尺度空间中以及二维的图像空间中都能够将极值点检测出来。

2.2 极值点位置的精确定位

以拟和三维的二次函数的精确程度的方式，确定出关键点的位置与尺度，进而得到亚像素的精度，再去除那些对比度比较低的关键点，以及那些边缘响应点不太稳定的点，使得匹配的稳定性增强、抗噪声能力也提高了。

2.3 关键点方向的分配

由于要保持描述符所具有的旋转不变的特性，就需要通过图像的局部特征为所有的关键点分配一个方向。进而采用关键点邻域的像素梯度所具有的特性以及方向所分布的特性，就能够得出梯度的模值。

2.4 特征点描述符的生成

上面所有步骤都完成后，对所有的关键点而言，都会存在三个信息：位置、尺度和方向。接下来的任务就是给所有的关键点都要生成一个相关联的描述符，保证所有的关键点不会随着外界的改变而变化，比如视角的变化、光照的变化等等。而且为了提高特征点的正确匹配率，要尽量让所有的描述符都要具有比较好的独特性。

3 Moravec算子

SIFT算法在特征提取与匹配方面存在下面几个问题[5]：1）特征点的提取程序比较复杂度，需要进行计算的时间太长。SIFT算法利用卷积平滑的操作和加权直方图的统计相结合的方法，所以需要进行大量的浮点运算，使得复杂度较高。2）由于生成的特征点太多，进而影响了匹配的速度与搜索的速度。在SIFT算法所提取的大量特征点中，有一部分误差很大，需要被剔除掉，这些被剔除的特征点会耗费大量的时间。3）特征集合整体显著性不高。很多特征点不能反映图像的结构。

为了解决上述问题，可以让更加有效的Moravec算子来替代SIFT算法中的特征提取算子。Moravec是点特征提取中的经典算子之一[6]。很多算子都是在它的基础之上改进的，比如Harris算子[7]。

Moravec优点就是：1）计算量小，实现简单快速。2）特征点提取的比较合理，可以反映图像的结构。3）抗噪声能力强。

4 实验验证

改进算法的流程为：

图1 算法流程图

实验结果显示运用两种算法进行图像拼接的效果是相同的。

5 结论

改进的算法在一定程度上解决了SIFT算法的问题，使得图像拼接的效率更高，该算法：1）由于SIFT算法在进行检测特征点的时候，采用了DOG算子和高斯核的运算，所以占用了大量时间，相比较而言，改进的算法用了计算量比较小的Moravec算子，降低了运算量。2）改进的算法产生的特征点数量较少，大大缩短了匹配时间。3）由于Moravec本身可以反映图像的结构，所以改进的算子产生的特征点有利于匹配。

将SIFT算法与Moravec算子进行结合而改进的特征点检测以及匹配过程大大减少了图像拼接的运算量，缩短了图像拼接所耗费的时间，而且由于Moravec属于基于特征的特征点检测方式，使得图像匹配的正确率有所提高。

[1]易成涛,王孝通．基于图像建模系统中图像拼接算法研究[J]．微电子学与计算机,2010,27(6):20-23．

[2]吴锦杰,刘肖琳．基于双目相机的图像拼接[J]．计算机工程,2010,36(12):209-212．

[3]何颖,王玲．基于特征块与小波变换的拼接算法[J]．计算机工程与设计,2010,31(9):1958-1975．

[4]尉朝闻,李会平．基于特征点的图像拼接算法研究[D]．西安科技大学科学与技术学院:177-179．

[5]赵钦君,赵东标,韦虎．Harris-SIFT算法及其在双目立体视觉中的应用[J]．电子科技大学学报,2010,39(4):546-550．

[6]黄燕．点特征提取算法探讨[J]．现代商贸工业,2009,12:302．

[7]朱玉玺,周灵．基于M算子确定条件的小波图像融合算法设计[J]．佛山科学技术学院学报(自然科学版)．2010,28(3):18-22．