积分商城

最新搜索： CH340 排插 入门教程 canopen TMC5160 altium Designer 20 电路设计与仿真从入门到精通
您现在的位置是：首页 > 技术资料 > 基于改进BRISK的图像拼接算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于改进BRISK的图像拼接算法

更新时间：2019-12-30 07:13:54 大小：1M 上传用户：zhiyao6查看TA发布的资源 标签：图像拼接算法 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

为了获得精准的航空拼接图像,更好地解决图像拼接中经常出现的尺度变化、角度旋转、光照差异以及传统的BRISK(Binary Robust Invariant Scalable Keypoints)算法匹配正确率较低,图像拼接精度低等问题,该文提出一种全新的基于有向线段的BRISK特征的图像拼接模型。首先,使用BRISK算法进行图像匹配,得到粗匹配点对,再构造有向线段及其BRISK特征进行邻近线段匹配,通过概率统计模型进行特征点的精匹配,最后进行加权融合和亮度均衡化进行图像融合完成图像拼接。实验结果表明,该文算法针对图像的光照条件不同、角度旋转、分辨率低、尺度变化等均有良好的鲁棒性和稳定性,该文算法是一种耗时短、精确度高、拼接效果良好的图像拼接方法。


部分文件列表

文件名 大小
基于改进BRISK的图像拼接算法.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
第39 卷第2 期  
2017年2月  
电 子 与 信 息 学 报  
Vol.39No.2  
Feb. 2017  
Journal of Electronics & Information Technology  
基于改进 BRISK 的图像拼接算法  
①②  
①②  
③
董
强
刘晶红*①  
王
超
周前飞  
①
(中国科学院长春光学精密机械与物理研究所 长春 130033)  
②
(中国科学院大学 北京 100049)  
③
(解放军 77110 部队 什邡 618400)  
摘
要：为了获得精准的航空拼接图像，更好地解决图像拼接中经常出现的尺度变化、角度旋转、光照差异以及传  
统的BRISK(Binary Robust Invariant Scalable Keypoints)算法匹配正确率较低，图像拼接精度低等问题，该文提  
出一种全新的基于有向线段的 BRISK 特征的图像拼接模型。首先，使用 BRISK 算法进行图像匹配，得到粗匹配  
点对，再构造有向线段及其BRISK 特征进行邻近线段匹配，通过概率统计模型进行特征点的精匹配，最后进行加  
权融合和亮度均衡化进行图像融合完成图像拼接。实验结果表明，该文算法针对图像的光照条件不同、角度旋转、  
分辨率低、尺度变化等均有良好的鲁棒性和稳定性，该文算法是一种耗时短、精确度高、拼接效果良好的图像拼接  
方法。  
关键词：图像配准；图像拼接；BRISK 特征；邻近线段  
中国分类号：TP7221  
文献标识码：A  
文章编号：1009-5896(2017)02-0444-07  
DOI: 10.11999/JEIT160324  
Image Mosaic Algorithm Based on Improved BRISK  
①②  
①
③
①②  
DONG Qiang  
LIU Jinghong  
WANG Chao  
ZHOU Qianfei  
①
(Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China)  
②
(University of Chinese Academy of Sciences, Beijing 100049, China)  
③
(Unit 77110 of People’s Liberation Army, Shifang 618400, China)  
Abstract: In order to obtain accurate aerial stitching images, this paper proposes a novel image mosaic method  
based on Binary Robust Invariant Scalable Keypoints (BRISK) feature of directed line segment, aiming to resolve  
incident scaling, rotation, changes in lighting condition, the low correct matching rate and low accuracy using  
conventional BRISK algorithm in image mosaic. This method firstly uses BRISK algorithm to match in order to  
acquire rough point matching. Secondly, it constructs directed line segments, describes them with BRISK feature,  
and matches those directed segments. The method is used to purified point matching based on statistical voting.  
Finally, weighted fusion and luminance equalization are used to image fusion to accomplish image mosaic. The  
experiment results show that the method has strong robustness and stability for lighting, rotation, resolution and  
scaling. The proposed method has high precision, and can achieve fine image mosaic results.  
Key words: Image registration; Image mosaic; Binary Robust Invariant Scalable Keypoints (BRISK) feature;  
Nearest-neighbor line segments  
1 引言  
理技术也得到空前的提升，作为其重要组成部分的  
图像拼接已经广泛应用于图像压缩、虚拟现实、医  
学图像处理等各领域。图像拼接主要分为图像预处  
理、图像配准和图像融合3个步骤[1-3] 。  
图像配准技术是图像拼接的关键。其方法大体  
分为两类：基于灰度信息的配准方法和基于特征的  
配准方法。基于灰度的图像配准方法较为简单，直  
接计算图像间的灰度值关系来匹配图像，这种方法  
虽然简单、易实现，但其稳定性差，对光照变化敏  
近年来，随着计算机技术的飞速发展，图像处  
收稿日期：2016-04-05；改回日期：2016-10-11；网络出版：2016-12-02  
*通信作者：刘晶红
基金项目：吉林省重大科技攻关项目(11ZDGG001)，国家林业公益  
性行业科研专项(201204515)  
Foundation Items: The Key Science and Technology Project of Jilin  
Province (11ZDGG001), The Forestry Industry Scientific Research  
for National Public Welfare Projects (201204515)  
第2期  
董 强等：基于改进BRISK的图像拼接算法  
445  
感。相比之下，基于局部特征的方法具有良好的稳  
定性，在克服图像的光照、尺度、旋转等变化上比  
基于灰度的方法有更好的鲁棒性，是目前主流的图  
像配准方法[4-9] 。  
3.1 构造线段特征  
对于参考图像I 与待配准图像I' ，使用 BRISK  
算法进行粗配准，可得到n 组匹配点对。  
构造两组定向图形G = (V,E)和G' = (V',E')，  
定义V = {a1,a2,,an }和V' = {b1,b2,,bn }分别是参  
考图像I 与待配准图像I' 匹配的特征点，E 和E' 是  
定向图形G 和G' 的端点，这里E = {(ai,aj ),i < j},  
E' = {(bi,bj ),i < j} ，对于有向线段eij (线段起点ai ，  
终点aj )，取3 个采样点(p1,p2,p3)，其计算公式为  
SIFT(Scale Invariant Feature Transform)特征  
检测算法是 Lowe 于 1999 年提出并在 2004 年完善  
的，该算法对于尺度缩放、平移旋转、光照变化都  
具有良好的不变性，对于图像的仿射变换及噪声也  
具有一定的稳定性，但其描述算子复杂，运行时间  
过长，很难满足实时性要求[10,11]。针对 SIFT 算法  
在低分辨率图像中出现的误匹配点对较多的问题，  
文献[12,13]引入一种有向线段匹配方法，能够有效  
的提高 SIFT 的匹配正确率，但其增加了算法的复  
杂度，运行时间较SIFT 算法更长。BRISK(Binary  
Robust Invariant Scalable Keypoints)算法解决了  
SIFT 算法在实时性方面的不足，极大的提高了匹配  
速度，但相较于 SIFT 算法，该算法的鲁棒性明显  
降低，误匹配率较高[14,15]。  
ü
p1 = ai  
ï
ï
ï
ï
p = (a +a )/2  
(1)  
p23 = aji  
j
ï
ï
ï
ï
提取3 个点的BRISK 特征描述S = (s1,s2,s3)，作为  
有向线段的特征描述。S 中的每一列为BRISK 描述  
子。  
3.2 邻近线段匹配  
本文构造一种邻近线段匹配模型，假定在参考  
图像 I 和待配准图像I' 中构造了m 条有向线段，表  
示为L = [l1,l2,,lm ]和L' = [l1' ,l2' ,,lm' ]。记：有向线  
段li 的特征描述为Si ，有向线段li' 的特征描述为Si' 。  
因为本文采用矩阵作为有向线段的特征描述，  
故计算矩阵的 F-范数进行邻近线段匹配，即：  
d l ,l' = S -S' 。得到长度为m 的向量d ，对d  
兼顾配准精度及运行时间，本文引入一种有向  
线段BRISK 特征的图像配准算法。该算法通过构造  
有向线段BRISK 特征的方法，充分利用图像细节信  
息，对匹配点进行精确定位，能够有效剔除误匹配  
点，提高配准的准确率和精度，同时，由于BRISK  
特征的提取匹配时间较短，本文增加的时间开销很  
少。实验表明本文算法匹配准确率高于 SIFT 算法  
和BRISK 算法，运行时间远远小于SIFT 算法，经  
过本文算法获得的遥感拼接图像无明显错位，拼接  
精度高。  
(
)
i
i
i
i
F
进行归一化，当di 小于给定的阈值TF 时，li' 即为li 的  
邻近线段。本文阈值TF 取0.6。  
定义向量长度为m 的向量K, K 中元素值计算  
方法如下：  
'
ì
ï
１, li是li的邻近线段  
ï
ï
2 BRISK 算法  
K(i) =  
(2)  
í
ï
０, 其它  
ï
ï
î
BRISK 算法主要包含3 步：角点检测、特征描  
述、特征匹配。首先，构建尺度空间金字塔，并通  
过 AGAST(Adaptiveand Generic Accelerated  
Segment Test)角点检测算子提取连续尺度空间中亚  
像素级精度的稳定极值点。然后，利用局部图像邻  
域内随机采样点对的灰度大小关系来建立局部图像  
的二值特征描述子。最后，采用汉明距离进行特征  
匹配。  
式中，i = 1, 2, 3,,m 。  
3.3 特征点匹配  
利用邻近线段匹配准则得到了有向线段的匹  
配，为了得到精确的拼接图像，有必要得到更精确  
的匹配点。对于给定的两幅图像的匹配点V =  
{a1,a2,,an } 和V' = {b1,b2,,bn}，使用统计模型来  
获得匹配点的出现频率，从而进行点的匹配。  
如果两条有向线段匹配，那么这两条线段的起  
点和终点是两对匹配点。首先建立统计矩阵G Î  
R2´m , G 的计算过程如下：  
3 改进 BRISK 算法  
本文针对BRISK 存在的问题，对BRISK 的匹  
配算法提出改进，首先采用BRISK 算法进行基于特  
征的图像匹配，在寻找到匹配点对后，利用匹配点  
建立有向线段和线段特征进行邻近线段匹配，采用  
概率统计方法精确寻找正确的匹配点对，提高匹配  
精度，增强算法的鲁棒性和稳定性。  
(1)初始化空矩阵G Î R2´m 。  
(2)i = 1, 2, 3,,m ：  
(a)如果K(i) = 1；  
(b)有向线段li 是ap aq,li' 是bp bq ,G(1,i) 表  
示对应点对(ap,bp ),G(2,i)表示对应点对(aq,bq )；  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号