王武+于林韜

摘要：針對傳統(tǒng)圖像拼接算法中復(fù)雜度高，效率低的問題，本文提出一種基于SURF和RANSAC的快速圖像拼接算法。首先運用SURF算法提取待拼接圖像的特征點，采用K-D樹的數(shù)據(jù)結(jié)構(gòu)來存儲特征描述子，然后利用BBF算法進行遍歷搜索，實現(xiàn)初步匹配，最后利用RANSAC算法對特征點匹配結(jié)果進行提純，剔除誤匹配的特征點對，得到圖像配準(zhǔn)結(jié)果。針對圖像交界處出現(xiàn)的“拼縫”等不自然的地方，使用加權(quán)值融合算法進行處理，從而實現(xiàn)光照和尺度變化下的快速圖像拼接。

關(guān)鍵詞：SURF；RANSAC；特征匹配；圖像拼接

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2017）11-0039-02

所謂圖像拼接技術(shù)就是將多幅彼此存在重疊部分的圖像隊列進行匹配對準(zhǔn)，再融合形成一幅包含各圖像序列信息的、完整的、寬視角場景的、無縫的、高分辨率的新圖像[1]。

圖像拼接領(lǐng)域多使用經(jīng)典的SIFT算法，不過該算法結(jié)構(gòu)復(fù)雜，特征點的提取和匹配耗時較長，缺乏工程應(yīng)用的實時性。故本文采用改進過的SIFT算法，即SURF（Speeded-Up Robust Features）算法來提取源圖像和待匹配圖像的特征點，其主要目的就是為了縮短算法處理的時間，以便將各種優(yōu)良的圖像拼接算法移植到對實時性要求較高的場合，比如智能手機。

1 基于SURF的特征點匹配

SURF算法，全稱是Speeded-Up Robust Features。該算法是建立在優(yōu)秀的SIFT算法上的，另外針對SIFT算法復(fù)雜度進行了優(yōu)化，對特征點提取和特征向量的描述進行改善，達(dá)到了更高的速度。因此，它常常用于對實時性或運算速度要求較高的場景，這也是本文選用該算法的原因。

SURF算法工作時主要分為如下幾步：

（1）構(gòu)造Hessian矩陣，計算特征值α。

（2）構(gòu)造高斯金字塔。

（3）定位特征點。

（4）確定特征點主方向。

（5）構(gòu)造特征描述子。

對于SURF算法的具體工作原理的解釋不是本文的重點，可以查看算法提出者的論文或者OpenCV中實現(xiàn)該算法的源碼。

下面展示的實驗結(jié)果都是基于OpenCV2.7+Windows7 64bits，運行內(nèi)存8G。

如圖1所示為對拼接領(lǐng)域經(jīng)典的雪山圖像利用SURF算法查找特征點后，利用KD-Tree和BBF搜索算法初步提取和匹配的結(jié)果。

2 基于RANSAC的特征點提純

RANSAC算法是一種經(jīng)典的消除誤匹配的方法，具有匹配精度高、可靠度高，魯棒性強等優(yōu)點[2]。上面我們提到查找SURF特征點并通過KD-Tree和BBF算法進行特征點匹配，因為實時性的要求，我們應(yīng)該盡量剔除誤匹配點，選擇最優(yōu)點，而RANSAC算法則是處理這一過程的通用算法，實驗證明確實取得較好的效果。

如圖2所示為RANSAC提純后得到的最優(yōu)點匹配結(jié)果。

3 圖像配準(zhǔn)和融合

由于待拼接的圖像通常是由相機在不同角度下拍攝獲得的，各個圖像的投影平面并不相同，且存在著一定的夾角[3]，因此圖像拼接過程中有一個步驟就是待拼接圖像投影到基準(zhǔn)圖像的同一個坐標(biāo)系中，這里采用大多數(shù)圖像適用的柱面投影模型。圖3所示為投射變換過程的中間圖像。

由于是在不同條件和時刻下獲得的圖像，所以在不同光照、設(shè)備參數(shù)等環(huán)境條件影響下，圖像灰度值不可能保持不變，所以在合成一幅圖像的時候就會出現(xiàn)明顯的縫合裂痕，影響觀看效果[4]。為了解決可能出現(xiàn)的拼縫或者“鬼影”現(xiàn)象，增加圖像的信息量，使得最終得到的圖像具有良好的觀賞性，必須對配準(zhǔn)后的圖像進行圖像融合。本文采用加權(quán)平均的像素級融合方法使重疊部分色彩差異變小，實現(xiàn)平滑過渡。

拼接后的效果如圖4所示。

4 結(jié)語

本文針對目前圖像拼接SIFT算法比較復(fù)雜，不適用實時性高的場景，提出了一種基于SURF和RANSAC的改進算法，并在理論研究的基礎(chǔ)上，進行了軟件編程實現(xiàn)，實驗證明該算法在多數(shù)場景下具有拼接效果好，速度快的特點。下一步工作就是驗證該算法在不同場景下的適用性，以及算法的效率，爭取可以移植到移動端如Android智能手機上，可以實現(xiàn)一定的商業(yè)價值。

參考文獻(xiàn)

[1]仵建寧，郭寶龍，馮宗哲.一種基于興趣點匹配的圖像拼接方法[J].計算機應(yīng)用，2006，26（3）：610-612.

[2]田文，王宏遠(yuǎn)，徐帆等.RANSAC算法的自適應(yīng)預(yù)檢驗[J].中國圖象圖形學(xué)報，2009，14（5）：973-977.

[3]宋璐.基于單目視覺的全景拼接技術(shù)研究及安卓平臺實現(xiàn)[D].北京理工大學(xué)，2014.

[4]王凌云，凌海波，王琪.SURF和RANSAC在圖像拼接中的應(yīng)用[J].電子測量技術(shù)（信息與圖像處理），2016，39（4）：71-75.

Abstract：Aiming at the problem of high complexity and low efficiency in traditional image stitching algorithm， this paper proposes a fast image stitching algorithm based on SURF and RANSAC. Firstly， SURF algorithm is used to extract the feature points of the images， K-D tree structure is used to store the feature descriptors， BBF algorithm is used to search and preliminary match， finally using RANSAC algorithm to purificate feature points and remove false matching feature points to get image registration results. Aiming at unnatural joint found between the images， the weighted average fusion algorithm is used to fuse the images to achieve fast image stitching under illumination and scale change.

Key Words：SURF； RANSAC； Feature matching； Image stitchingendprint