庞丽东 潘维东 林博文

（1.井冈山大学 建筑工程学院，吉安 343009；2.井冈山大学 机电工程学院，吉安 343009）

大视场图像拼接是指通过给定某个场景的一组有重叠区域的局部图像，生成一幅完整、高分辨率、大视场全景图像的过程[1]。大视场图像拼接可以应用在遥感图像处理、卫星图像合成、医学图像分析以及大幅面文物数字化保存等领域。

常用的特征描述子如SIFT、SURF等，通常会得到较多的特征向量。虽然特征向量越多，对图像的描述越准确，图像处理的结果越好，但是过多的特征向量会浪费大量的运算时间，不适用于某些要求较高的场合[2]。针对上述情况，本文考虑利用MSER算法代替SIFT和SURF算法进行图像特征点的检测，在减少特征点数量的同时，还能够满足仿射不变性，提高后续的图像配准、图像拼接等效率。整个流程如图1所示。

图1 大视场图像拼接基本流程

1 MSER算法

MSER（Maximally Stable Extrernal Regions）算法是利用分水岭的概念来求解图像的局部稳定区域[3]。

分水岭算法是把像素的值想象成地势，高灰度值对应峰顶，低灰度值对应盆地。在盆地的极小值处打一个洞，然后往盆地里注水，当相邻两个盆地的水汇集的时刻，在相交的边缘线上构筑大坝，即形成分水岭。

MSER算法的基本过程是使用一系列阈值参数Δ∈[0 255]对图像进行二值化处理。随着阈值从0依次递增到255，图像从白色变为黑色的二值图像。在这个过程中，有些区域灰度值变化很小甚至不变化，那么这些区域就认为是最大稳定极值区域。

由于MSER算法只能够检测最大稳定极值区域，因此需要对图像的灰度值取反，再依次进行二值化阈值处理来求取最小极值稳定区域，分别称作正向和反向提取过程，记为MSER+和MSER-。……