|本期目录/Table of Contents|

[1]杨志芳,颜　磊.基于改进SURF算法的图像拼接技术研究[J].武汉工程大学学报,2021,43(02):223-226.[doi:10.19843/j.cnki.CN42-1779/TQ.202012012]
　YANG Zhifang,YAN Lei.Technologies of Image Mosaic Based on Improved SURF Algorithm[J].Journal of Wuhan Institute of Technology,2021,43(02):223-226.[doi:10.19843/j.cnki.CN42-1779/TQ.202012012]
点击复制

基于改进SURF算法的图像拼接技术研究(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
43
期数:
2021年02期
页码:
223-226
栏目:
机电与信息工程
出版日期:
2021-04-30

文章信息/Info

Title:
Technologies of Image Mosaic Based on Improved SURF Algorithm
文章编号:
1674 -2869（2021）02 -0223 -04
作者:
杨志芳; 颜　磊
武汉工程大学电气信息学院，湖北 武汉 430205
Author(s):
YANG Zhifang;  YAN Lei
School of Electrical and Information Engineering，Wuhan Institute of Technology，Wuhan 430205， China
关键词:
图像拼接; SURF算法; FAST算法; BBF算法; RANSAC算法
Keywords:
image mosaic; SUFR; FAST; BBF; RANSAC
分类号:
TP391
DOI:
10.19843/j.cnki.CN42-1779/TQ.202012012
文献标志码:
A
摘要:
针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题，提出一种基于SURF的改进算法，首先基于加速分割检测特征（FAST）算法快速提取图像特征点，利用SURF算法对提取到的特征点进行特征描述，然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点，与双向匹配的自适应阈值配准法相结合进行图像的匹配，利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除，最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比，本文算法的图像拼接速度快，匹配精度更高。
Abstract:
Aiming at the problem of high computational complexity and poor registration accuracy image mosaic, a new image mosaic method based on improved speed up robust feature（SURF）was proposed. Firstly, feature points were extracted by the accelerated segment test algorithm and described based on the SURF descriptor. Secondly, the matching points between images were searched by using the improved k-d tree nearest neighbor search algorithm (best bin first). Then the adaptive threshold registration algorithm of bidirectional matching strategy was used for image matching. Finally, the random sample consensus（RANSAC) algorithm was used to eliminate false matching points, After that, the image mosaic was conducted based on the incremental weighting fusion algorithm. Experimental results show that the proposed method is more efficient and accurate than traditional image mosaic methods based on SURF and RANSAC.

参考文献/References:

［1］　LOWE D G．Distinctive image features from scale-invariant keypoints［J］. International Journal of Computer Vision，2004，60（2）：1150-1157.?

［2］　BAY H，ESS A，TUYTELAARS T，et al．Speeded-up robust features（SURF）［J］. Computer Vision and Image Understanding，2008，110（3）：346-359. ［3］　黄涛，武卫东. 基于优化ORB算法的遥感图像精确配准技术［J］. 现代电子技术，2019，42（9）：35-38.?
［4］　RAGURAM R, Chum O, POLLEFEYS M, et al. USAC: a universal framework for random sample consensus［J］. IEEE transactions on pattern analysis and machine intelligence， 2012， 35（8）： 2022-2038.
［5］　FOTOUHI M，HEKMARIAN H，KASHANI-NEZHAD M A， et al. SC-RANSAC： spatial consistency on RANSAC［J］. Multimedia Tools and Applications， 2019， 78（7）： 9429-9461.
［6］　FRIEDMAN J H，BENTLEY J L，FINKEL R A．An algorithm for finding best matches in logarithmic expected time［J］. Acm Transactions on Mathematical Software，1977，3（3）：209-226.?
［7］　陈磊，韩飞，易文祥. 基于信息熵的多尺度FAST角点［J］. 计算机应用与软件，2020，37（10）：244-248，269.
?［8］　杨志芳，袁家凯，黄瑶瑶. 基于SIFT算法的室内全景图拼接［J］. 自动化与仪表，2020，35（3）：58-62+87.
?［9］　唐颖复，王忠静，张子雄. 基于改进SIFT和SURF算法的沙丘图像配准［J］. 清华大学学报（自然科学版）：2021，61（2）：161-169.?
［10］　李慧慧. 基于Harris-SURF描述符的图像配准方法［J］. 科学技术创新，2020（20）：108-109.?
［11］　张进，赵相伟，栾吉山，等. 改进FAST和对立颜色特征的向量场一致性匹配［J］. 测绘通报，2020（11）：50-54.?
［12］　曹君宇. 基于SURF的图像拼接算法研究［D］. 昆明：云南大学，2016.?
［13］　雷思文，朱福珍. 基于ORB和改进RANSAC的无人机遥感图像配准算法［J］. 黑龙江大学学报（自然科学版），2020，37（5）：623-630.?
［14］　郑瑶. 基于改进型Harris尺度不变特征的图像配准算法研究［J］. 梧州学院学报，2020，30（6）：1-7.?
［15］　夏磊，胡欣宇，岳亚伟，等. 基于改进SURF算法的红外图像拼接［J］. 物联网技术，2020，10（6）：48-51.

相似文献/References:

[1]罗　凯,徐俊武*,杨　敏.一种改进KNN的无人机图像快速拼接方法[J].武汉工程大学学报,2021,43(03):344.[doi:10.19843/j.cnki.CN42-1779/TQ.202012033]
　LUO Kai,XU Junwu*,YANG Min.Improved Stitching Method Based on KNN for UAV Images[J].Journal of Wuhan Institute of Technology,2021,43(02):344.[doi:10.19843/j.cnki.CN42-1779/TQ.202012033]

备注/Memo

备注/Memo:
收稿日期：2020-12-12作者简介：杨志芳，硕士，副教授。E-mail：wit_chuangxin@163.com引文格式：杨志芳，颜磊. 基于改进SURF算法的图像拼接技术研究［J］. 武汉工程大学学报，2021，43（2）：223-226，231.
更新日期/Last Update: 2021-04-26