刘絮絮

摘要：为了解决直接用模板匹配直接拼接效果较差并且无法将该方法应用于森林大场景的问题，该文使用了了一种面向森林防火复杂大场景的全景拼接方法，对于输入当前检测范围的图像序列，通过使用特征点从相邻多幅图像中提取sift特征，使用k-d树算法为每个特征点找到最邻近的匹配特征点，然后使用RANSAC算法找到几何一致的特征匹配来得到图像间的对应矩阵，之后使用捆绑调整算法来调整对应矩阵，最后使用多波段融合算法得到最后的拼接全景图。实验结果表明，使用该方法应用到复杂的森林大场景中得到的拼接效果较好。

关键词：全景拼接；sift特征点；RANSAC算法；捆绑调整算法

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）08-0205-03

由于具有研究较高的研究价值和挑战性，图像拼接是图像处理领域比较重要的课题。虽然图像拼接技术已经有很大的进步，但是现有的方法中应用的场景都比较单一，或者是摄像头转动的角度范围比较小。在哥伦比亚大学Matthew Brown和David G.Lowe等人首次利用尺度不变特征提取算法进行自动图像拼接。该方法假定拼接作为一个多图像匹配的问题，并且使用不同的局部特征点寻找整个图像序列中的匹配点。本文将该方法应用到需要实时拼接的森林防火系统中。

本文针对Lowe提出的基于尺度不变的全景拼接方法，提出了面向森林防火的全景拼接方法。在特征点的提取部分，相邻的两幅图像使用sift特征点提取，这种方法对旋转、尺度、光照变化都具有一定的鲁棒性。……