一种基于Matlab的快速鲁棒特征点(surf)的图像拼接技术

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。

图1 灰度图像拼接结果

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。

图2 彩色图像拼接结果

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。