一、引言
快速鲁棒特征(Speeded-up robust feature,SURF)算法在图像匹配、模式识别、图像拼接等众多领域有着广泛的应用[1]。有学者提出一种基于快速鲁棒特征(SURF)的眼底图像自动配准与拼接算法。该算法分别提取各视场眼底图像同态滤波增强后有效视场的SURF,特征匹配后得到匹配点对,结合透视变换模型和RANSAC算法去除误匹配点对,周围视场依次与中央视场匹配计算变换矩阵,配准、融合后得到眼底全景图像。对实际的眼底照相机获取图像的自动配准与拼接表明,该算法可以快速、高精度地实现不同视场眼底图像的自动配准与拼接,精度达到像素级,具有很好的鲁棒性[2]。
二、算法基本原理
基于快速鲁棒特征点的图像拼接技术包括三大部分:特征点提取与匹配、图像配准、图像合成。
2.1 特征提取及匹配
快速鲁棒特征(Speededuprobustfeatures,SURF)算法描述如下:通过盒子滤波器(boxfilter)尺寸改变与输入积分图像的简化运算来构造尺度空间金字塔,用Hessian矩阵行列式检测得到不同尺度的特征点,精确定位提纯后用统计特征点周围Harr小波响应分布的方法,生成具有尺度不变性、旋转不变性的特征描述符。该描述符具有良好的重复性、独特性和鲁棒性,可以进行更快地计算和匹配[2]。
2.2 图像配准与拼接
特征点对提纯后得到两幅待配准图像的准确匹配点对,由这些匹配点对可以计算图像配准所需的变换矩阵,实现两幅待拼接图像的配准和拼接。
2.3 图像融合
待拼接图像经过上述的空间变换就完成了图像配准,得到与基准图像对齐后的图像,将该图像与基准图像进行图像融合就得到拼接后的图像。为了验证自动拼接算法的有效性,对参考图像I1和待配准图像配准后的图像 I2 采用最大值融合下式的方法进行融合。
三、实例分析
3.1 实例分析一
首先,对灰度图像进行了拼接。两幅待拼接图像分别如图1(a)与(b)所示。对两待拼接图像的特征点进行匹配,匹配结果如图1©所示。图1(d)给出了图像融合后的结果。
3.2 实例分析二
接着,对彩色图像进行了拼接。两幅待拼接图像分别如图2(a)与(b)所示。对两待拼接图像的特征点进行匹配,匹配结果如图2©所示。图2(d)给出了图像融合后的结果。
四、参考文献
[1] 徐启文, 唐振民, 姚亚洲. 基于改进SURF算法的图像拼接研究[J]. 南京理工大学学报, 2021, 45(02): 171-178.
[2] 王玉亮, 廖文和, 沈建新. 基于快速鲁棒特征的眼底图像自动配准与拼接 [J]. 南京理工大学学报, 2012, 36(01): 79-85.
五、资源获取
关于上述资源(matlab程序)的获取,请私信博主;可提供相关领域的技术支持。