图像拼接算法研究与进展

摘 要 图像拼接技术的应用领域非常广泛，图像拼接算法的效率、精度直接影响着最终结果的质量。高精度、高效率、自动化的图像拼接算法还有待进一步研究，本文主要对几种图像拼接算法进行了介绍，并对比了它们的优缺点，为图像拼接算法的进一步改进提供思路。

关键词 图像拼接 图像配准 高精度 高效率

中图分类号：TP391 文献标识码：A

图像拼接技术是将多张有重叠部分的图像拼成一幅大型的无缝高分辨率图像的技术。对于图像拼接技术的研究已经出现了一些比较成熟的产品，如Photoshop的Photomerge工具可以自动拼合图像，苹果的IPAD等设备也具有全景拍摄的功能，由于图像拼接技术的复杂性，这些工具依然存在缺陷，高精度、高效率、自动化的图像拼接算法依然是我们研究的一个重点方向。

1图像拼接技术介绍

图像拼接一般包括以下几个步骤：图像预处理、图像配准、建立变换模型、统一坐标变换、融合重构。图像预处理是数字图像处理的基本操作，如去噪、边缘提取、直方图处理等；图像配准是采用一定的匹配策略，找出待拼接图像中的模板或特征点在参考图像中对应的位置，进而确定两幅图像之间的变换关系；建立变换模型是指根据模板或图像特征之间的对应关系，建立数学模型；统一坐标变换是指根据建立的数学转换模型，将待拼接图像转换到参考图像的坐标系中，完成统一坐标变换；融合重构是将图像的重合区域进行融合得到拼接重构的平滑无缝全景图。

2图像配准算法研究

早期的图像配准技术主要采用点匹配法，这类方法速度慢、精度低，而且常常需要人工选取初始匹配点，无法适应大数据量图像的融合。

葛仕民等给出了一种基于稀疏特征匹配和形变传播的无缝图像拼接方法，在重叠区域中通过动态规划算法寻找一条结构误差最小的最佳接缝作为拼接边界；在拼接边界上分别定位出两边区域中稀疏的显著结构特征，进行特征匹配。在提取图像的特征时，用到了JSEG方法；通过拼接边界上两边的特征点的匹配检测和纠正错位，有效地消除了结构接缝。此方法避免了复杂的特征检测，并减少了结构错位。但当重叠区域中图像的颜色差异较大时，最佳接缝方法难以在重叠区域找到满意的划分线，则会影响图像特征的提取，可见此方法的应用是有一定局限的。

周定富等提出了一种稳健的基于特征点的无缝图像拼接算法。利用SIFT来提取特征点，并用优先K-D树进行特征点匹配，保证了特征点位置的精确性与匹配的准确性；用改进的RANSAC算法去除误匹配点，计算的单应性矩阵更加精确，L-M非线性优化算法保证了单应性矩阵的鲁棒性和稳定性，使图像匹配达到亚像素级精度。此算法有效地减少了匹配点的对数，并且保证了匹配点的质量，算法效率得到明显提高。

赵向阳等则采用Harris角检测算子来提取特征点，使得特征点的提取精度达到亚像素级；对于冗余的特征点，采用以特征点为中心的灰度窗互相关法来对有冗余的特征点进行匹配计算，可以大幅度减少不匹配的特征点；采用了稳健的RANSAC算法将伪匹配点集合划分为内点和外点，在内点域上运用LM优化算法精确地估计出图像间的点变换关系。此方法不受图像噪声的影响，即使特征点提取不准确也能够进行有效修正，算法以特征点的坐标位置误差而不是亮度误差来构造优化函数，克服了其他算法对光照敏感的缺陷，算法更具有实用性，实验结果也比较理想。

梁运行等提出通过对相邻图像进行预处理，使匹配范围缩小，从而提高匹配速度的算法。该算法主要是将彩色图像转化为灰度图像，再将灰度图像转化为二值图像，以减少图像颜色信息，进而缩短计算时间。此方法在一定程度上大幅缩短了匹配的计算时间，但是在图像去颜色信息过程中，阈值的选取对结果的影响很大，如何确定自适应的阈值，仍然是亟待解决的一个问题。

3图像融合算法研究

图像融合算法，主要包括以下几种方法。中值滤波法，让中值滤波器作用在边界附近区域以消除光强的不连续性，此方法速度快，但质量一般。加权平均法，对每个重叠部分对应的像素采用加权平均，此方法直观简洁，速度较快。多分辨率金字塔法，将图像分解成不同频率域上的一组图像，在每个分解的频率域上，在图像重叠边界附近加权平均，此方法计算量大，但拼接质量较高。小波变换法，先将图像进行小波变换，将其分解在不同频段的不同特征域上，然后在不同的特征域内进行融合，构成新的小波金字塔结构，再用小波逆变换得到合成图像，此方法计算较复杂，但拼接精度高。

4总结

图像拼接的方法很多，不同的算法步骤有很大的差异，得到的效果也有区别，近年来，其研究成果也不断取得新的进展。目前主要存在的问题是：

（1）算法的普适性不高。很多算法只能针对特定场景，能自适应处理任意场景的算法还需要研究。

（2）拼接的质量与速率无法有效平衡。精度高的处理算法往往计算量很大，速率低下；高效率的算法，经常忽略图像的一些细节，使质量得不到保证。

（3）彩色图像拼接的效果不佳。由于彩色图像的色彩丰富，图像受光照影响的差异更为明显，如果有效地解决拼接后的接缝问题也亟待解决。随着科技的进步，越来越多的改进算法被提出来，也取得了一些令人瞩目的进展，相信以后会有更加符合人们期望的算法被研制出来。

参考文献

[1] 余宏生，金伟其.数字图像拼接方法研究进展[J].红外技术，2009，6（31）.

[2] 葛仕明，程义民等.基于稀疏特征匹配和形变传播的无缝图像拼接[J].电子与信息学报，2007，12（29）.

[3] 周定富，何明一，杨青.一种基于特征点的稳健无缝图像拼接算法[J].测控技术，2009，6（28）.

[4] 赵向阳，杜利民.一种全自动稳健的图像拼接融合算法[J].中国图象图形学报，2004，4（9）.

[5] 马超杰，杨华等.基于图像内在特征的图像自动拼接方法[J].激光与红外，2008，11（38）.

[6] 梁运行，崔杜武.图像拼接的预处理算法研究[J].西安理工大学学报，2003，4（19）.