[发明专利]一种基于重叠区域SIFT特征点的图像拼接方法

说明书

技术领域

本发明涉及一种图像拼接方法，尤其涉及一种基于重叠区域SIFT特征点的图像拼接方法，属于图像处理技术领域。

背景技术

图像拼接是把描述同一场景的相互之间有部分重叠的一系列图像拼接成一幅宽视角图像的技术，它解决了图像视野和图像分辨率之间的矛盾，通过图像拼接即可得到宽视野、高分辨率的图像。图像拼接技术有着广泛的应用。

图像拼接技术包括图像配准和图像融合，其中图像配准是图像拼接的核心和关键。目前常用的图像配准方法主要分为基于灰度信息的图像配准方法、基于变换域的图像配准方法和基于特征的图像配准方法等三种方法。基于特征的图像配准方法速度快、对灰度变化、图像形变和遮挡等都有一定的鲁棒性（Barbara Zitová,Jan Flusser.Imageregistration methods:a survey[J].Image and Vision Computing,2003,21(11):977-1000.），所以它是目前图像配准和图像拼接技术中最常用的方法。1999年，David G.Lowe提出用尺度不变的特征(Scale-Invariant Feature)来进行物体识别和图像匹配等（David G.Lowe.Distinctive Image Features from Scale-Invariant Keypoints[J].International Journal ofComputer Vision,2004,60(2):91-110.），并于2004年总结了当时的基于不变量技术的特征检测方法，正式提出了尺度不变特征变换，简称SIFT（SIFT：Scale-Invariant FeatureTransform）（David G.Lowe.Distinctive Image Features from Scale-Invariant Keypoints[J].International Journal of Computer Vision,2004,60(2):91-110.）。SIFT算子是一种图像的局部描述子，基于尺度空间，对图像平移、旋转、缩放保持不变性，而且对于仿射变换、光照变化和3D投影变换也具有一定的鲁棒性。2005年，K.Mikolajczyk和C.Schmid对包括SIFT算子在内的十种局部描述子做了对比性实验，实验结果表明SIFT算子在同类算子中具有最强的健壮性（Krystian Mikolajczyk and Cordelia Schmid.A performanceevaluation of local descriptors[J].IEEE Transactions on Pattern Analysis and MachineIntelligence,2005,27(10):1615-1630.）。所以图像拼接中经常使用SIFT算法提取图像的特征点。

目前，基于SIFT的图像拼接算法的一般流程是：首先利用SIFT算法提取两幅待拼接图像的全部特征点；然后根据特征点之间的欧氏距离匹配特征点，形成匹配对，并对匹配对提纯；再根据匹配对进行图像融合，完成图像拼接。假设利用SIFT算法提取的两幅图像的特征点数分别为M个和N个，在计算欧氏距离时，共需要计算M×N个欧氏距离。对于一幅图像来说，其具有的特征点数往往超过数百甚至上千个，这样就需要计算数十万个欧氏距离，计算量较大，影响算法运行速度。图像拼接技术中，决定拼接能否成功的关键是图像重叠区域，非重叠区域对图像拼接没有直接作用。所以非重叠区域的特征点提取不但增加计算量，而且容易产生错误的匹配对，影响匹配效果。

发明内容

本发明所要解决的技术问题在于克服现有技术中存在的计算量过大的不足，提出一种基于重叠区域SIFT特征点的图像拼接方法，只提取图像重叠区域内的特征点，大量减少提取的特征点数和算法计算量，同时减少错误的匹配对，提高匹配效果。

本发明具体采用以下技术方案：

一种基于重叠区域SIFT特征点的图像拼接方法，首先确定待拼接的两幅图像的重叠区域；确定两幅待拼接图像重叠区域中的SIFT特征点，并提取各特征点的SIFT特征向量；根据SIFT特征向量对两幅图像的特征点进行匹配，并对匹配对进行提纯；根据提纯后的匹配对对两幅待拼接图像的重叠区域进行图像融合。