特征提取与模板匹配结合的图像拼接方法

1、文章编号:1008-0570(2010)01-1-0117-02图像处理特征提取与模板匹配结合的图像拼接方法AMethodforImageMosaicbasedoncombiningFeatureExtractionwithTemplateMatching(南昌航空大学)刘忠红储珺LIUZhong-hongCHUJun摘要:本文提出一种特征点与模板匹配相结合的图像拼接方法,先对相邻两幅图像利用Harris算子提取特征点,然后根据特征点的位置确定模板的大小和位置,大大减小了图像拼接的计算量,提高了拼接速度。用两幅相邻的月球表面图像进行实验,实验结果表明本文算法能取得较好的效果。关键词:图像拼接;

2、特征提取;Harris算子;模板匹配中图分类号:TP391文献标识码:AAbstract:Inthispaper,amethodforimagemosaic,whichisbasedoncombingfeatureextractionwiththetemplatematching,ispro-posed.First,featurepointsaredetectedbyusingHarrisoperatorfromtwoadjacentimages,andthenthelocationandsizeoftemplateandsearchscopearedeterminedaccordingtop

3、ositionoffeaturepoints.Thisgreatlyreducestheamountofcalculationandimprovesthematchingaccuracy.Experimentsareperformedwithtwolunarimagesandresultshowthatourmethodisfeasibleandrobust.Keywords:imagemosaic;featureextraction;Harrisoperator;templatematching1引言传统的图像拼接算法主要分为基于像素点和基于特征两种。基于像素的算法是在一幅图像中选取一个模板

4、,根据评价函该算法对图像数在另一幅图像中寻找与之最相似的点或区域。中存在大量相似区域且重叠部分较小的情况,模板块选取的随机性会使拼接出现很大误差.基于特征的算法是提取两幅图像重叠区域的特征点,对特征点进行匹配,然后计算从一幅图像到另一幅图像的变换。常用的特征主要包括点、线、面等,其中特征点的方法计算量最小,拼接速度快,抗干扰能力较强。基于特征的方法虽然计算量较小,但图像的点特征和线特征的提取与场而且两幅相似的图片极易产生景的复杂度相关,反而不便实现。伪匹配的对应特征,且难以被发现,导致图像拼接的失败。在进行图像匹配时,人们最常用的就是模板匹配法,因为模板匹配的穷尽搜索法是最直接和最容易实现的方

5、法,而且一般与所拼接的图像内容无关。虽然模板匹配有计算量比较大、准确率不太高等缺点,但是在目前的图像拼接领域研究中仍然广泛采用。根据以上分析,本文在基于像素和特征的图像拼接方法基础上,提出一种基于特征提取和模板匹配相结合的图像拼接新算法。算法的基本思想是:先对两幅相邻图像进行特征点提取,然后根据特征点的位置在第一副图像确定模板块的大小,在第二幅图像确定搜索范围,然后进行匹配计算,完成图像拼接。刘忠红:硕士研究生基金项目:国家自然科学基金资助项目;项目名称:融合多谱段图像信息的大规模场景建模研究;基金颁发部门:国家自然科学基金委(60742005);江西省自然科学基金资助项目;项目名称:基于数据

6、融合的月球车运行环境重建研究;基金颁发部门:江西省科技厅(2007GZS1485);江西省教育厅科学技术研究项目;基金申请人:储珺技术2特征点提取创本文采用精度较高的Harris角检测算子来提取特征点。Harris算子是C.Harris和M.J.Stephens在1988年提出的一种基新于信号的点特征提取算子,这种算子受信号处理中自相关函数的(1)启发,给出与自相关函数相联系的矩阵M。Harris算子表达式为:(2)其中,gx为x方向的梯度,gv为y方向的梯度,G(s)为高斯模板,k为默认常数,矩阵I中每一点的元素值对应于原图相应点的兴趣值。k是一个实验参数值,一般取k=0.04。特征点就是函

7、数I的局部极大值点。实践中,应先对图像进行低通滤波以减少图像的噪声。此方法特征点提取精度可以达到亚像素级点。为防止在局部区域出现角点簇拥的现象,可采用一定的策略减弱或消除这种现象。本文采用邻近点剔除策略:选用一个模板(如3×3)对图像进行处理,若在该模板下存在不止一个角点,则只保留其I值相对较大的角点。3模板匹配基于模板匹配的图像拼接就是在图像的已知重叠区域中裁剪出一块矩形区域作为模板,和被搜索图像中同样大小的一块区域进行对比,根据两个区域特征的相似程度来确定最佳的匹配位置。若模板选择得不理想,则提取的模板可能会因为特征不明显而导致误匹配。基于模板匹配的全景图像拼接算法可描述为:St

8、ep1:划定模板图;Step2:在匹配图中设定搜索范围,找出与模板图具有最大相似性的位置;邮局订阅号：82-946360元/年-117-PLC技术应用200例图像处理Step3:调入包含图,根据最大相似位置无缝拼接。在拼接算法中,第1步模板的选择对匹配的准确度影响很大,而计算时间消耗最大的是第2步,即模板匹配。本文在已有的模板匹配理论基础上,对这两点不足作了改进。首先根据Harris算子提取的特征点的位置确定模板块的位置。在第一幅图像重叠区域,对Harris算子提取的特征点按I值大小进行排序,并选择其中I值最大的3个点确定一个模板。这3个特征点要满足不在一条直线上的条件,且每两点间距离要大于某

9、一定值p且小于q。根据此原则确定的模板大小为M×N,p和q的设定是为防止模板过小或者过大,因为模板过小会使匹配精度降低,过大则影响计算的速度。记下所选模板中I值最大点在模板中的位置(i,j)和模板内特征点个数T。微计算机信息(测控自动化)2010年第26卷第1-1期度值可简单表示为:(4)其中r的值与该点象素到重叠区域的边界距离有关。5实验结果用月球表面的两幅相邻图像进行图像拼接。实验参数设置:Harris角点检测:高斯低通滤波器的模板的大小为5×5,标准差0.8,兴趣值阈值15000,非最大抑制邻域半径为5;匹配模板:p=5,q=11像素;精匹配:=3。实验结果如图2所示

10、。技术创新图1匹配流程图然后在第二幅图像内进行由粗到精的模板匹配。在第二幅图像重叠区域内以每个特征点作为待搜索模板中的位置(i,j),以此来确定大小为M×N的模板,并统计各搜索模板内特征点个数当Ni与第一幅图像中所确定模板内的特征点个数T相差很Ni。大时,可将该模板区域直接删除,不进行下一步的精确匹配,即互相关运算,仅对满足条件的几个搜索待匹配模板,进行相关运算,确定精确匹配,即:当时(为设定个数),则在此搜索模板内不与确定模板进行相关运算;当时,该搜索模板与确定模板进行相关运算,寻找最优匹配块。本文利用互相关系数法来确定与模板块最为相似的匹配块:(a)待拼接左图像(b)待拼接右图像

11、(c)左图像提取的特征点(d)右图像提取的特征点(3)式中,为确定模板图像上点的灰度值,待匹配模板图像上点的灰度值,为(e)待拼接左图模板位置(蓝色的矩形框)(f)待拼接左图粗匹配模板范围(蓝色的矩形框)ÁÁÁÁÁÁÁÁÁÁÁC为互相关系数,当C=0时,表示不相关,当C=1时,表示完全相关。在进行相关运算中,最大相关系数的地方即为目标图像所在的位置。最后比较几次相关运算得到的C值,确定两幅图像最佳配准点的位置。4图像的无缝拼接当待拼接的两幅图像最佳配准点位置确定后,就可以实现两幅图像的

12、拼接。为了使得两幅图像拼接以后没有明显的拼接缝,本文在图像重叠区采用了线性加权淡入淡出的缝合算法。假(g)拼接后的图像设重叠区域的距离为d,根据d自动计算第一幅图像的渐变因图2月球表面图像的无缝拼接子且设为r,那么第二幅图像的渐变因子就为(1-r),0r1。设表1给出就本文算法与文献1、文献3算法在拼接速度、拼接的两幅图像重叠部分象素的灰度值分别为?Á和?Á,则拼拼接成功率上的对比。实验总共使用了30组图像,接近一半的接后重叠部分图像是由两幅图像数据融合而成的,其象素的灰图像存在重复性纹理及一定的曝光差异。(下转第156页)-118-360元/年邮局订阅号：82-946现场

13、总线技术应用200例仿真技术本文从污水处理厂水质监测分析报表中的128组实验数据经预处理后剩下124组,并将这124组数据分为两部分,其中80组数据用作为训练样本,44组数据作为校验样本。图(4-5)充分说明标准BP算法在实现污水水质软测量建模的可行性。由上图的结果分析可以看出,标准BP神经网络可以建立利用软测量模型实现对BOD5值的软测量,但是存在一定误差。改进的BP网络可以大大提高模型收敛精度、速度、稳定性等性能指标。其校验结果由图6所示:微计算机信息(测控自动化)2010年第26卷第1-1期(310014杭州浙江工业大学信息学院)胡斌斌姚明海(CollegeofInformationEn

14、gineering,ZhejiangUniversityofTechnology,HangzhouZhejiang310014,China)HUBin-binYAOMing-hai通讯地址:(310014浙江省潮王路18号浙江工业大学研365信箱)胡斌斌(收稿日期:2009.01.09)(修稿日期:2009.04.09)(上接第118页)表1本文算法与其他代表性算法的对比6结束语本文提出一种基于特征点提取与模板匹配相结合的图像无缝拼接算法。首先采用Harris角检测算子提取特征点,然后根据特征点位置确定模板的大小、位置和搜索范围并进行匹配,采用线性渐入渐出法对图像的重叠区域进行平滑处理,实现了

15、待精拼接图像的无缝拼接。实验结果表明,文中所提算法能快速、确地实现图像的无缝拼接。本文作者创新点:根据特征点来确定模板,并根据模板内特征点个数来确定待匹配模板范围,减少计算量,提高模板匹配的精度和速度。参考文献1ShumHY,SzeliskiR.PanoramicImageMosaicsR.MicrosoftResearchCenter,TechnicalReport:MSR-TR-97-23,19972BrownM,LoweDG.Recognizingpanoramas.In:ProceedingsoftheNinthIEEEInternationalConferenceonComputer

16、Vision-Volume2C,Washington,DC,USA,2003:1218-12253赵向阳,杜立民.一种全自动稳健的图像自动拼接融合算法J.中国图象图形学报,2004,9(4):417-422.4胡社教,江萍,陈宗海.基于序列图像的全景图像拼接J.合肥工业大学学报(自然学版),2003,26(4):525-5285沙莎,刘锦峰.基于差分有序数组的图像匹配快速算法J,微计算机信息.2007,23(8-3):296-2976陈果,左洪福.显微图像的一种快速拼接算法J.仪器仪表学报.2003,24(4):38-57作者简介:刘忠红(1983-)女,硕士研究生,主要研究方向:信号与信息处

17、理,图形图像处理;储珺(1967-)女,教授,博士生导师,主要研究计算机视觉,图形图像处理等。Biography:LIUZhong-hong(1983-)female.Graduate.Mainresearchfield:SignalandInformationProcessing,ImageProcessing.(330063江西省南昌市南昌航空大学)刘忠红储珺通讯地址:(330063江西省南昌市丰和南大道696号南昌航空大学研究生学院)刘忠红(收稿日期:2009.01.09)(修稿日期:2009.04.09)技术创新图6改进BP算法校验结果由此可以看出,基于神经网络的污水水质软测量建模方法

18、可以很好的解决污水处理过程中关键水质参数无法在线监测的问题,这样可以大大提高污水处理系统的实时性与快速性,因此软测量技术作为过程控制研究的一个重点发展方向,将会得到更大的发展。创新点:本文利用神经网络对污水处理厂出水水质的软测量模型进行建模,解决了污水处理厂因人工化验检测而产生的严重滞后问题,实现了污水处理出水水质的预测与及时控制。参考文献1高廷耀,顾国维.水污染控制工程(第2版下册)M.北京:高等教育出版社,19992商敏儿,杜树新,吴铁军.活性污泥法污水处理过程自动控制的研究现状J.环境污染治理技术与设备,2002.3王正祥等.污水处理过程的软测量技术J.北京工商大学信息工程学院,2005.4任敏,王万良,李探微等.基于神经网络的污水处理软测量系统的研究J.自动化仪表,2003.5王胜光,吕勇哉,陈鹏.混合软测量模型在污水处理过程的研究J.微计算机信息,2008,10-3:150-152.作者简介:马军爽(1975-),女,汉族,硕士,测控专业,唐山学院信息工程系讲师,现从事自动化