杨 爽，潘 倩，杨 培，田 芳

(青海大学计算机技术与应用系，青海 西宁 810016)

图像拼接是将两张或多张具有重叠区域的图像拼成一幅无缝的全景图或高分辨率图像,其在无人机航拍、遥感图像、增强现实、视频压缩和图像稳定等领域有着广泛的应用[1]。图像拼接的主要步骤包括图像预处理、图像特征点检测与配准、图像融合[2]。其中图像特征点检测与配准中使用的特征描述符对图像拼接至关重要，其性能直接影响拼接结果的质量及拼接过程的时间开销。

常用的基于特征的特征检测方法中，Sift算子因对旋转、尺度变换、亮度变化等的稳定性被广泛应用[3]。但Sift算子存在计算复杂度高、耗时长的问题[4-5]。Orb算子实时性能表现突出，但存在算法匹配精度低和特征点提取稳定性差的缺陷[6-7]。Brisk算子是另一种具有较好实时性的特征描述算法，由Leutenegger在2011年提出[8]。相对于其他特征算法，Brisk算子对模糊图像的拼接具有一定的优势[9]，但在稳定性和精度方面相对于Sift算子表现较差[10-11]。为提升基于Sift算子的图像拼接性能，本文提出了一种基于Brisk和Sift的两阶段图像拼接方法。

1 Sift、Brisk特征检测算法

Sift(Scale-invariant feature transform)是一种局部性特征描述子，其在空间尺度中寻找极值点，并提取出位置、尺度、旋转不变量。Sift特征检测算法可概述为4部分：(1)建立高斯金字塔及差分金字塔；(2)进行DOG空间极值点检测，并在其附近对其泰勒展开进行拟合，用于亚像素定位；(3)关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数；(4)生成描述符。……