张露

（铜陵职业技术学院 电气工程系，安徽 铜陵 244000）

某些情况下单个图像传感器不能一次采集一幅完整的图像，而是经过多次采集，然后对多次采集图像的重合部分进行拼接和融合后得到一幅完整图像；或者在同一时刻使用不同的图像传感器采集不同角度的图像，然后再进行图像拼接获得完整图像。图像拼接的应用领域非常广泛，比如医学、智能交通、虚拟现实等。图像拼接融合主要有图像配准、图像拼接和融合两部分组成[1]，而图像配准目前主要有灰度信息配准[2]、特征配准[3]和变换域配准[4]三种方法。特征匹配法具有较快的计算速度和较高的鲁棒性，还具有较大的适用范围[1]。其中SIFT 算法[5]是特征点匹配算法中的经典算法，但由于SIFT 采用DOG 进行特征提取，所以增加了相应运算时间，降低了运行效率[6]。SURF 算法是H.Bay 等人提出，SURF 保持了SIFT 算法优良性能，主要改进了特征点提取和降低了特征向量描述维数，使计算速度得到提高。文献[7-10]利用SURF 及其改进算法应用于图像拼接，其中文献[7]针对航拍图像的拼接，文献[8]是针对文物碎片图像的拼接。文献[9,10]通过对由SURF 算法提取出的特征点匹配算法进行改进，提高匹配精度，减少时间。

需要拼接的两幅图像间的重合部分提取出的特征点在几何关系上应该是匹配特征点对所在的直线间是平行或近似平行关系，两点间的距离相等或近似相等[11]，几乎不存在旋转或缩放的变换，所以利用这种特性，本文提出具有几何约束的SURF 的图像拼接方法。……