基于缩放的高分辨率图像快速拼接算法分析_廖武忠.pdf

56 电子技术 第 52 卷 第 4 期（总第 557 期）2023 年 4 月Computer Engineering计算机工程摘要：阐述高分辨率图像拼接过程中的特征点匹配效率，在图像融合过程中的重影问题，提出基于缩放的高分辨率图像快速拼接算法，从而提高图像的拼接效率，主观效果更加自然，鲁棒性更强。关键词：高分辨，边缘特征点，非线性，图像拼接，缩放。中图分类号：TP391.41，TP18 文章编号：1000-0755(2023)04-0056-02文献引用格式：廖武忠，王珊珊，晏冬群，王铭潞.基于缩放的高分辨率图像快速拼接算法分析J.电子技术,2023,52(04):56-57.的权重，边界区域设为w1,内部区域权重为w2。对各个区域设计一个压缩比例函数如式（1）。（1）其中，Ni代表区域i的像素数量，k为压缩参数可以根据对时间需求和准确性需求不同进行设置，本文的k取值为0.1Ni，ni为在区域i的特征点的数量。本文针对新获取像素位置的值按照向上取整的算法，并且对多个位置压缩到同一个位置的像素选取，为了尽量减少特征信息的损失，设计了如下的压缩后的像素函数如式（2）。（2）其中，I(x,y)为缩放后对应位置的像素，Ii为集合Ai的平均值，I(Xi,Yi)为坐标为Xi,Yi所对应的像素值。通过压缩变换把原图像划分为不同区域得到新的图像，针对新的图像再次进行SIFT算法获得新的特征点。2 非线性变化的图像融合为了使两边的边界分别与对应两边的原图像变化更平滑，效果显得更自然。而在中间区域权重变化更加平缓，能较好减少重叠部分图像的重影等影响视觉效果的因素。渐进渐出图像融合技术在重叠区域的像素计算如式（3）。0 引言在整个图像拼接过程中图像匹配是最主要的一个环节，而匹配的准确率高低对图像拼接效果有直接的影响。而一个好的图像匹配需要有较好的特征信息提取，当前主流的特征提取算法有SIFT1、SURF2、ORB3。此外还有一些非主流的快速特征提取算法Harris算法、BRISK算法、FAST算法等4，以及各种关于这些算法的改进。对高分辨的图像拼接，主要需要解决的匹配效率问题，而在该方面有大量的科研人员进行研究。Yuanxin Ye等根据图像重叠区域的特征信息，提出了一个基于图像局部信息的多模式描述符的匹配框架，而该算法依赖于特征信息重复率较高前提5。为了提高高分辨率图像拼接的速度与自适应性，本文提出了基于区域缩放的高分辨率图像快速拼接算法。1 边缘特征块匹配分析 随着图像的分辨率不断提高，图像特征点相应增多，特征点匹配算法的时间复杂度达高。所以本文根据特征点的分布以及图像拼接的独有性质，提出了分块图像压缩，根据压缩图像重新计算特征点。由于两幅图像如果能进行图像拼接，那么这两幅图像的边界一定有重复区域，所以在进行图像压缩的时候，需要尽量保存边界区域特征信息显著的特征点。所以，基于此对图像的各个区域设计不同基于缩放的高分辨率图像快速拼接算法分析廖武忠，王珊珊，晏冬群，王铭潞（重庆工程学院 软件学院，重庆 410004）Abstract This paper presents that in the process of high-resolution image mosaic,there are some problems,such as low efficiency of feature point matching and easy to appear ghosting in the process of image fusion.To solve these problems,it proposes a fast mosaic algorithm of high-resolution images based on scaling.Thus,the efficiency of image mosaic is high,the subjective effect is more natural,and the robustness is stronger.Index Terms high resolution,edge feature points,nonlinear,image mosaic,scaling.Analysis of Fast Mosaic Algorithm of High Resolution Image Based on ScalingLIAO Wuzhong,WANG Shanshan,YAN Dongqun,WANG Minglu(School of Software,Chongqing Institute of Engineering,Chongqing 410004,China.)作者简介：廖武忠，重庆工程学院软件学院；研究方向：计算机系统与图像识别。收稿日期：2022-07-06；修回日期：2023-04-11。电子技术 第 52 卷 第 4 期（总第 557 期）2023 年 4 月 57Computer Engineering计算机工程（3）其中，权重计算方式如式（4）。（4）式中，D1为重叠区域总宽度，D2为当前像素与重叠区域左边界的距离，w2=1-w1。3 实验结果本文选择了两组分辨率为4 0002 992的图像，对两组图像进行特征点匹配，图像融合，最终获得拼接图像。并把SIFT算法直接拼接，渐进渐出融合算法进行拼接，文献4的算法进行拼接与本文拼接算法相关参数拼接值和拼接效果进行对比。各组图像对应各种算法的参数表如表1。各种算法图像拼接效果图为：图1所示为SIFT算法拼接结果，图2所示为渐进渐出图像拼接结果，图3所示为文献4拼接效果，图4所示为本文提出方法的拼接效果。通过表1可以发现本文算法的效率明显高于其他算法，并且匹配的准确率也较高。其中本文特征点匹配对数较低的原因是本文进行了缩放，减少了特征点的数量，但是其中匹配正确率较高。而通过图1图4，可以发现SIFT算法的直接融合在拼接区域图像不光滑，亮度差比较明显，而用渐进渐出虽然解决了拼接的边界区域的不光滑，但是对整幅图像感觉拼接比较生硬。4 结语 本文通过分区域缩放重新计算特征点，大大减少了图像匹配的特征点数量，并且改进了图像匹配算法，大大提升了图像匹配的效率以及匹配正确率。在图像融合过程中，本文对渐进渐出融合技术进行改进，使像素变化更加平滑，图像拼接效果更加自然。参考文献1 蔡怀宇,武晓宇,卓励然,黄战华,王星宇.结合边缘检测的快速SIFT图像拼接方法J.红外与激光工程,2018,47(11):449-455.2 Herbert Bay,Andreas Ess,Tinne Tuytelaars,Luc Van Gool.Speeded-Up Robust Features（SURF）J.Computer Vision and Image Understanding,2007(3):148-155.3 Rublee E,Rabaud V,Konolige K,et al.ORB:An Efficient Alternative to SIFT or SURFC.IEEE International Conference on Computer Vision,2012：558-567.4 龚妙岚.基于特征点的图像配准与拼接技术研究D.北京:北京邮电大学,2018.5 Yuanxin Ye,Lorenzo Bruzzone,Jie Shan,Francesca Bovolo,Qing Zhu.Fast and Robust Matching for Multimodal Remote Sensing Image RegistrationJ.IEEE Trans.Geoscience and Remote Sensing,2019(11):208-214表1 图像拼接参数表图1 基于TRIZ的教学方法 图2 渐进渐出图像拼接结果图图4 本文的拼接效果图3 文献中的图像拼接结果图