基于邻域特征搜索与局部单应性变换的图像拼接算法

摘要

图像拼接通过融合具有重叠区域的图像以生成宽视角图像，可有效扩展单镜头视野。典型的尽可能投影变换(asprojective-as-possible , APAP)图像拼接算法虽拼接精度较高，但计算效率偏低。为此，本文提出一种基于邻域特征搜索与局部单应性变换的图像拼接算法，以兼顾精度与效率。该算法首先将源图像均匀划分成多个矩形网格，通过邻域特征搜索策略获取各网格中心邻域内的特征点对，并采用最小二乘法计算局部单应性矩阵，再通过全局与局部变换的线性加权实现平滑过渡；进一步通过透视变换实现源图像与目标图像的对齐与叠加，并采用基于距离变换的羽化融合消除拼接缝。为验证算法的有效性，开展计算机仿真与多场景图像拼接实验。结果表明：本文算法在抗噪声能力上优于全局单应性变换(global homography transformation, GHT)、自适应尽可能自然投影变换(adaptive as-natural-as-possible image stitching, AANAP)、接缝引导的局部对齐和拼接(seam-guided local alignment and stitching, SLAS)及APAP算法，其均方根误差较APAP减少8.9%，峰值信噪比与结构相似性指数分别提高11.4%与12.5%，耗时减少29.4%。本研究通过简化局部单应性矩阵计算，在显著提升效率的同时保障了拼接质量，为图像拼接技术的发展提供了新思路。

关键词

图像拼接 / 特征匹配 / 单应性矩阵 / 局部变换 / 线性加权 / 羽化融合 / 图像配准 / 计算效率