传统的图像拼接算法主要分为基于像素点和基于特征两种。基于像素的算法是在一幅图像中选取一个模板,根据评价函数在另一幅图像中寻找与之最相似的点或区域。该算法对图像
中存在大量相似区域且重叠部分较小的情况, 模板块选取的随机性会使拼接出现很大误差. 基于特征的算法是提取两幅图像重叠区域的特征点,对特征点进行匹配,然后计算从一幅图像到另一幅图像的变换。常用的特征主要包括点、线、面等,其中特征点的方法计算量最小,拼接速度快,抗干扰能力较强。基于特征的方法虽然计算量较小, 但图像的点特征和线特征的提取与场景的复杂度相关,反而不便实现。而且两幅相似的图片极易产生
中存在大量相似区域且重叠部分较小的情况, 模板块选取的随机性会使拼接出现很大误差. 基于特征的算法是提取两幅图像重叠区域的特征点,对特征点进行匹配,然后计算从一幅图像到另一幅图像的变换。常用的特征主要包括点、线、面等,其中特征点的方法计算量最小,拼接速度快,抗干扰能力较强。基于特征的方法虽然计算量较小, 但图像的点特征和线特征的提取与场景的复杂度相关,反而不便实现。而且两幅相似的图片极易产生
伪匹配的对应特征,且难以被发现,导致图像拼接的失败。在进行图像匹配时,人们最常用的就是模板匹配法,因为模板匹配的穷尽搜索法是最直接和最容易实现的方法, 而且一般与所拼接的图像内容无关。虽然模板匹配有计算量比较大、准确率不太高等缺点, 但是在目前的图像拼接领域研究中仍然广泛采用。
根据以上分析, 本文在基于像素和特征的图像拼接方法基础上, 提出一种基于特征提取和模板匹配相结合的图像拼接新算法。算法的基本思想是:先对两幅相邻图像进行特征点提取,然后根据特征点的位置在第一副图像确定模板块的大小, 在第二幅图像确定搜索范围,然后进行匹配计算,完成图像拼接。
图像特征包括像素灰度特征、色彩特征、区域特征、纹理特征、轮廓特征、边缘特征、角点特征等。边缘特征和角点特征是两种较常用的特征。