施明登　周鵬　白鐵成

摘要：為了解決超過(guò)人眼視角的場(chǎng)景時(shí)，在近距離內(nèi)無(wú)法用照相機(jī)將其完整拍攝下來(lái)的問(wèn)題，通過(guò)SIFT特征提取、特征匹配、Homography矩陣計(jì)算、透視變換和圖像融合技術(shù)，較好地實(shí)現(xiàn)胡楊全景圖像的拼接。結(jié)果表明，通過(guò)全景圖像拼接獲得高分辨率的胡楊全景圖片是可行的方法。

關(guān)鍵詞：全景圖像拼接；胡楊；特征匹配；圖像融合

中圖分類(lèi)號(hào)：TP399 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2014）22-5539-03

塔里木河位于新疆維吾爾自治區(qū)，是中國(guó)最長(zhǎng)的內(nèi)陸河，河岸兩邊分布著落葉闊葉喬木——胡楊，其種植面積約占全國(guó)的80%以上[1]。胡楊林是干旱荒漠區(qū)惟一建群的古老喬木樹(shù)種，胡楊林多為純林。近年來(lái)，由于經(jīng)濟(jì)開(kāi)發(fā)活動(dòng)、資源濫用等，造成了胡楊林面積大幅度減少，胡楊林的退化與衰敗是新疆南疆荒漠脆弱生態(tài)系統(tǒng)的具體體現(xiàn)[2]。胡楊林可減少風(fēng)的攜沙能力，有效地阻截、固定流沙，防止流沙擴(kuò)張，由胡楊組成的荒漠河岸林帶，是一條天然防風(fēng)林帶，保護(hù)著綠洲農(nóng)田的穩(wěn)定[3]。同時(shí)胡楊林也具備森林生態(tài)系統(tǒng)其他服務(wù)功能，如生產(chǎn)有機(jī)質(zhì)、涵養(yǎng)水源、固碳制氧、凈化環(huán)境等，越來(lái)越多的專(zhuān)家學(xué)者開(kāi)展了胡楊相關(guān)研究。

本研究是在進(jìn)行胡楊林春尺蠖防治研究過(guò)程中，由于超過(guò)人眼視角的場(chǎng)景，無(wú)法用照相機(jī)完整地將胡楊林拍攝下來(lái)，而拉大拍攝距離雖然可以得到寬范圍的圖像，但是拍攝到的胡楊可能會(huì)相對(duì)較小，經(jīng)過(guò)放大后的圖像會(huì)出現(xiàn)馬賽克現(xiàn)象，效果很差。因此，為獲得高分辨率的胡楊林全景圖像，在參考已有的數(shù)字圖像拼接技術(shù)[4-7]基礎(chǔ)上開(kāi)展針對(duì)胡楊林全景圖像拼接技術(shù)應(yīng)用研究，采用固定多攝像頭方式獲取多幅數(shù)值圖像[8]，然后運(yùn)用局部特征點(diǎn)匹配算法進(jìn)行圖像拼接[9]。

1 全景圖像拼接流程

通過(guò)SIFT特征提取、特征匹配、Homography矩陣計(jì)算、透視變換和圖像融合等步驟進(jìn)行全景圖像拼接，拼接流程如圖1所示。待拼接圖像拍攝位置和拍攝角度等有可能不同，需要對(duì)圖像進(jìn)行透視變換將兩幅圖像映射到同一坐標(biāo)系中，可以直接將一副圖像映射到另一幅圖像的坐標(biāo)系中，因此，需要計(jì)算兩幅圖像之間的Homography（單應(yīng)）矩陣。通過(guò)圖像SIFT特征的匹配，計(jì)算得到單應(yīng)矩陣，在對(duì)圖像做完透視變換后，對(duì)兩幅圖像進(jìn)行融合即可得到想要的全景圖。

2 全景圖像拼接關(guān)鍵技術(shù)與實(shí)現(xiàn)

2.1 SIFT特征提取

二維圖像中存在各種尺度的目標(biāo)和特征，要想獲得這些特征，需要在不同尺度的圖像下檢測(cè)特征。SIFT特征不僅具有良好的位置、尺度、旋轉(zhuǎn)不變性，而且在圖像亮度或拍攝角度變化的情況下仍然具有良好的效果，所以本研究采用SIFT算法進(jìn)行特征提取。

SIFT算法在尺度空間中使用了一種圖像金字塔結(jié)構(gòu)，其中包括高斯金字塔和高斯殘差金字塔兩個(gè)部分。高斯殘差金字塔由對(duì)應(yīng)相鄰的高斯金字塔中的兩個(gè)圖像尺度層相減獲得。金字塔由多級(jí)組成，每級(jí)包含多個(gè)圖像尺度層，每層之間的σ值[圖像的尺度大小用高斯核的標(biāo)準(zhǔn)差（σ）來(lái)表示]相差k倍。每級(jí)的底層由下一級(jí)中對(duì)應(yīng)的尺度層通過(guò)系數(shù)為2的抽樣操作獲得。高斯殘差是尺度規(guī)格化Laplacian算子的一種近似，因而SIFT算法直接選取高斯殘差金字塔中在局部區(qū)域內(nèi)獲得極值的像素點(diǎn)為特征點(diǎn)。

SIFT算法主要包括尺度空間的構(gòu)造、檢測(cè)尺度空間的極值點(diǎn)、精確確定極值點(diǎn)位置、特征點(diǎn)方向分配、生成特征點(diǎn)描述子，具體的SIFT特征點(diǎn)提取過(guò)程可參見(jiàn)文獻(xiàn)[10]。選用兩幅亮度和顏色有較明顯區(qū)別的圖片作為輸入圖像進(jìn)行圖像拼接應(yīng)用研究，如圖2所示。通過(guò)SIFT算法完成特征提取結(jié)果如圖3所示，圖中用紅色對(duì)SIFT特征進(jìn)行了標(biāo)示。

2.2 特征匹配

當(dāng)兩幅圖像的SIFT特征向量生成后，下一步采用關(guān)鍵點(diǎn)特征向量的歐氏距離作為兩幅圖像中關(guān)鍵點(diǎn)的相似性判定度量。然而由于遮擋等原因，匹配可能出現(xiàn)錯(cuò)配的情況，需要采取一些措施降低錯(cuò)配率。

kd-tree是一種有效的用于組織高維數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)，其在很多查詢(xún)問(wèn)題中都有很好的應(yīng)用，如范圍查詢(xún)、最近鄰查詢(xún)等。kd-tree的本質(zhì)是一種索引結(jié)構(gòu)，因此在高維數(shù)據(jù)搜索中引入kd-tree相當(dāng)于為數(shù)據(jù)集構(gòu)建了一個(gè)索引結(jié)構(gòu)，通過(guò)索引結(jié)構(gòu)來(lái)查找目標(biāo)數(shù)據(jù)大大地減少了查找的計(jì)算量，從而提高搜索效率。

對(duì)于提取SIFT特征點(diǎn)的圖像，計(jì)算其描述符之間歐氏距離的相似度來(lái)作為判定特征點(diǎn)匹配的準(zhǔn)則。首先將其中一幅圖像中的所有關(guān)鍵點(diǎn)構(gòu)建一棵kd-tree，選取另一幅圖像中的一個(gè)點(diǎn)K，之后釆用最近鄰搜索算法來(lái)遍歷這棵kd-tree，分別計(jì)算點(diǎn)K的128維矢量與kd-tree中每個(gè)點(diǎn)所對(duì)應(yīng)的各維矢量的歐氏距離，之后再將128維的歐氏距離求和，找到與K點(diǎn)的歐氏距離最小的兩個(gè)關(guān)鍵點(diǎn)并記錄歐氏距離的值，最后計(jì)算最小的歐氏距離與次小的歐氏距離的比值，如果比值小于閾值T，那么認(rèn)為歐氏距離最小的那個(gè)點(diǎn)與K點(diǎn)匹配，反之匹配失敗。

函數(shù)kdtree_build使用輸入的特征構(gòu)建一個(gè)kd-tree，而函數(shù)kdtree_bbf_knn在kd-tree中搜索和給定特征最相近的k個(gè)特征，采用best bin first的搜索算法。特征匹配的試驗(yàn)結(jié)果如圖4所示，兩幅圖片對(duì)應(yīng)的匹配關(guān)鍵點(diǎn)用綠線標(biāo)示。

2.3 Homography矩陣計(jì)算

實(shí)現(xiàn)了對(duì)應(yīng)特征點(diǎn)的粗匹配后，為了進(jìn)一步實(shí)現(xiàn)兩幅圖片的拼接，需要計(jì)算兩幅圖像間的單應(yīng)性矩陣H，使兩幅拼接圖像滿足射影變換關(guān)系。為了提高得到的H準(zhǔn)確率和效率，研究中采用RANSAC（Random sample consensus）算法來(lái)進(jìn)行計(jì)算，選擇3×3的透視變換矩陣作為參數(shù)模型，用公式表示為：

x2y2z2=H11 H12 H13 H21 H22 H23H31 H32 H33x2y2z2 （1）

式（1）中，透視變換矩陣H又稱(chēng)單應(yīng)性矩陣，適用于平面場(chǎng)景，能夠反映攝像機(jī)的平移、旋轉(zhuǎn)、縮放和一些仿射變化。其中，X1=（x1，y1，z1）T，X2=（x2，y2，z2）T為歸一化齊次坐標(biāo)，z1=l，z2=l。透視變換是中心投影的射影變換，采用非齊次射影坐標(biāo)表達(dá)時(shí)，透視變換用8個(gè)參數(shù)單應(yīng)矩陣表示，H33=1。endprint

理論上僅需4對(duì)匹配點(diǎn)對(duì)，即可對(duì)上式聯(lián)立求解線性方程組，實(shí)際上，由于噪聲、精度誤差等因素影響，需要8～10對(duì)以上的非共線匹配點(diǎn)對(duì)。試驗(yàn)中，通過(guò)每次隨機(jī)選取匹配的4對(duì)匹配點(diǎn)聯(lián)立求解線性方程組，計(jì)算H，采用重復(fù)該過(guò)程N(yùn)次，然后選取所得到最好的H，作為H的8個(gè)參數(shù)齊次最優(yōu)解。H的準(zhǔn)確性可以用在H下內(nèi)點(diǎn)（inlier）的個(gè)數(shù)來(lái)表征。這樣當(dāng)N足夠大時(shí)，H可以達(dá)到很高的精度。

2.4 透視變換

根據(jù)前面計(jì)算得到的圖像透視變換矩陣H對(duì)待配準(zhǔn)的圖像中像素點(diǎn)坐標(biāo)做矩陣乘法，可以將相鄰兩幅圖像中處于各自坐標(biāo)系下的像素點(diǎn)統(tǒng)一到同一坐標(biāo)系下。透視變換根據(jù)兩幅圖像的坐標(biāo)系之間的關(guān)系（由單應(yīng)矩陣H刻畫(huà)），通過(guò)矩陣乘法將二者的坐標(biāo)系統(tǒng)一成一個(gè)，將源圖像變換到目標(biāo)圖像，完成圖像的幾何配準(zhǔn)最后變成一幅圖像。

透視變換通過(guò)函數(shù)cvWrapPerspective完成，結(jié)果如圖5所示。由圖5可知，兩幅圖像因?yàn)榱炼群皖伾町愝^大，直接拼接后的效果并不理想，拼接邊緣已經(jīng)用紅色進(jìn)行了標(biāo)示。

2.5 圖像融合

經(jīng)過(guò)SIFT圖像配準(zhǔn)工作完成后，求得變換矩陣，此時(shí)的兩幅圖像已經(jīng)拼連在一起并且位于同一平面上，但是由于兩幅圖像拍攝時(shí)亮度的差異等因素，會(huì)導(dǎo)致兩幅圖像在拼接的位置有明顯的拼縫。圖像融合的作用是使圖像拼接整體亮度保持一致，圖像重疊區(qū)域拼接過(guò)渡平滑，消除因拼接產(chǎn)生的拼接縫隙。使用OpenCV中的MultiBandBlender類(lèi)完成這一過(guò)程，結(jié)果如圖6所示。

3 小結(jié)

針對(duì)胡楊研究過(guò)程中如何獲取較大視域全景圖像的問(wèn)題，利用數(shù)字圖像處理技術(shù)，綜合運(yùn)用SIFT特征提取、特征匹配、Homography矩陣計(jì)算、透視變換和圖像融合方法，實(shí)現(xiàn)多個(gè)單一圖像融合成一幅圖像。結(jié)果表明，將全景拼接技術(shù)應(yīng)用于胡楊的研究中是一種可行的方法。因?yàn)槭窃诤鷹盍执撼唧斗乐窝芯空n題的基礎(chǔ)上開(kāi)展的全景圖像拼接應(yīng)用研究，未對(duì)其他樹(shù)種進(jìn)行應(yīng)用分析，理論上該實(shí)現(xiàn)方法在其他樹(shù)種的應(yīng)用也是可行的。

參考文獻(xiàn)：

[1] 王吳續(xù)，徐崇志，李 青.新疆塔里木南緣胡楊林生態(tài)價(jià)值測(cè)度[J].北方園藝，2014（9）：210-213.

[2] 鄧潮洲，李 利，吳俊俠，等.塔里木河上游胡楊群落及種群特征分析[J].中國(guó)沙漠，2010，30（6）：1381-1388.

[3] 桑巴葉，劉 康，朱玉偉，等.墨玉縣天然胡楊林春尺蠖飛防試驗(yàn)研究[J].防護(hù)林科技，2013（9）：16-17，35.

[4] 江 鐵，朱桂斌，孫 奧.全景圖像拼接技術(shù)研究現(xiàn)狀綜述[J].重慶工商大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，29（12）：60-65.

[5] ZHOU B，ZHENG J，ZHOU H. Tree image mosaicing system based on featured area matching[J]. Transactions of CSAM，2010，41（10）：195-198.

[6] SAWHNEY H S， KUMAR R.True multi-image alignment and its application to mosaicing and lens distortion correction[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1999，21（3）：235-243.

[7] 鄭加強(qiáng)，賈志成，周 博，等.基于動(dòng)態(tài)樹(shù)木圖像序列的實(shí)時(shí)拼接系統(tǒng)及其深度信息檢測(cè)[J].林業(yè)科學(xué)，2014，50（5）：82-89.

[8] 劉 暢，金立左，費(fèi)樹(shù)岷，等.固定多攝像頭的視頻拼接技術(shù)[J].數(shù)據(jù)采集與處理，2014，29（1）：126-133.

[9] 郭曉冉，崔少輝.基于局部特征點(diǎn)配準(zhǔn)的圖像拼接算法[J].半導(dǎo)體光電，2014，35（1）：89-94.

[10] 劉小軍，楊 杰，孫堅(jiān)偉，等.基于SIFT的圖像配準(zhǔn)方法[J].紅外與激光工程，2008，37（1）：156-160.

（責(zé)任編輯 屠 晶）endprint

理論上僅需4對(duì)匹配點(diǎn)對(duì)，即可對(duì)上式聯(lián)立求解線性方程組，實(shí)際上，由于噪聲、精度誤差等因素影響，需要8～10對(duì)以上的非共線匹配點(diǎn)對(duì)。試驗(yàn)中，通過(guò)每次隨機(jī)選取匹配的4對(duì)匹配點(diǎn)聯(lián)立求解線性方程組，計(jì)算H，采用重復(fù)該過(guò)程N(yùn)次，然后選取所得到最好的H，作為H的8個(gè)參數(shù)齊次最優(yōu)解。H的準(zhǔn)確性可以用在H下內(nèi)點(diǎn)（inlier）的個(gè)數(shù)來(lái)表征。這樣當(dāng)N足夠大時(shí)，H可以達(dá)到很高的精度。

2.4 透視變換

根據(jù)前面計(jì)算得到的圖像透視變換矩陣H對(duì)待配準(zhǔn)的圖像中像素點(diǎn)坐標(biāo)做矩陣乘法，可以將相鄰兩幅圖像中處于各自坐標(biāo)系下的像素點(diǎn)統(tǒng)一到同一坐標(biāo)系下。透視變換根據(jù)兩幅圖像的坐標(biāo)系之間的關(guān)系（由單應(yīng)矩陣H刻畫(huà)），通過(guò)矩陣乘法將二者的坐標(biāo)系統(tǒng)一成一個(gè)，將源圖像變換到目標(biāo)圖像，完成圖像的幾何配準(zhǔn)最后變成一幅圖像。

透視變換通過(guò)函數(shù)cvWrapPerspective完成，結(jié)果如圖5所示。由圖5可知，兩幅圖像因?yàn)榱炼群皖伾町愝^大，直接拼接后的效果并不理想，拼接邊緣已經(jīng)用紅色進(jìn)行了標(biāo)示。

2.5 圖像融合

經(jīng)過(guò)SIFT圖像配準(zhǔn)工作完成后，求得變換矩陣，此時(shí)的兩幅圖像已經(jīng)拼連在一起并且位于同一平面上，但是由于兩幅圖像拍攝時(shí)亮度的差異等因素，會(huì)導(dǎo)致兩幅圖像在拼接的位置有明顯的拼縫。圖像融合的作用是使圖像拼接整體亮度保持一致，圖像重疊區(qū)域拼接過(guò)渡平滑，消除因拼接產(chǎn)生的拼接縫隙。使用OpenCV中的MultiBandBlender類(lèi)完成這一過(guò)程，結(jié)果如圖6所示。

3 小結(jié)

針對(duì)胡楊研究過(guò)程中如何獲取較大視域全景圖像的問(wèn)題，利用數(shù)字圖像處理技術(shù)，綜合運(yùn)用SIFT特征提取、特征匹配、Homography矩陣計(jì)算、透視變換和圖像融合方法，實(shí)現(xiàn)多個(gè)單一圖像融合成一幅圖像。結(jié)果表明，將全景拼接技術(shù)應(yīng)用于胡楊的研究中是一種可行的方法。因?yàn)槭窃诤鷹盍执撼唧斗乐窝芯空n題的基礎(chǔ)上開(kāi)展的全景圖像拼接應(yīng)用研究，未對(duì)其他樹(shù)種進(jìn)行應(yīng)用分析，理論上該實(shí)現(xiàn)方法在其他樹(shù)種的應(yīng)用也是可行的。

參考文獻(xiàn)：

[1] 王吳續(xù)，徐崇志，李 青.新疆塔里木南緣胡楊林生態(tài)價(jià)值測(cè)度[J].北方園藝，2014（9）：210-213.

[2] 鄧潮洲，李 利，吳俊俠，等.塔里木河上游胡楊群落及種群特征分析[J].中國(guó)沙漠，2010，30（6）：1381-1388.

[3] 桑巴葉，劉 康，朱玉偉，等.墨玉縣天然胡楊林春尺蠖飛防試驗(yàn)研究[J].防護(hù)林科技，2013（9）：16-17，35.

[4] 江 鐵，朱桂斌，孫 奧.全景圖像拼接技術(shù)研究現(xiàn)狀綜述[J].重慶工商大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，29（12）：60-65.

[5] ZHOU B，ZHENG J，ZHOU H. Tree image mosaicing system based on featured area matching[J]. Transactions of CSAM，2010，41（10）：195-198.

[6] SAWHNEY H S， KUMAR R.True multi-image alignment and its application to mosaicing and lens distortion correction[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1999，21（3）：235-243.

[7] 鄭加強(qiáng)，賈志成，周 博，等.基于動(dòng)態(tài)樹(shù)木圖像序列的實(shí)時(shí)拼接系統(tǒng)及其深度信息檢測(cè)[J].林業(yè)科學(xué)，2014，50（5）：82-89.

[8] 劉 暢，金立左，費(fèi)樹(shù)岷，等.固定多攝像頭的視頻拼接技術(shù)[J].數(shù)據(jù)采集與處理，2014，29（1）：126-133.

[9] 郭曉冉，崔少輝.基于局部特征點(diǎn)配準(zhǔn)的圖像拼接算法[J].半導(dǎo)體光電，2014，35（1）：89-94.

[10] 劉小軍，楊 杰，孫堅(jiān)偉，等.基于SIFT的圖像配準(zhǔn)方法[J].紅外與激光工程，2008，37（1）：156-160.

（責(zé)任編輯 屠 晶）endprint

理論上僅需4對(duì)匹配點(diǎn)對(duì)，即可對(duì)上式聯(lián)立求解線性方程組，實(shí)際上，由于噪聲、精度誤差等因素影響，需要8～10對(duì)以上的非共線匹配點(diǎn)對(duì)。試驗(yàn)中，通過(guò)每次隨機(jī)選取匹配的4對(duì)匹配點(diǎn)聯(lián)立求解線性方程組，計(jì)算H，采用重復(fù)該過(guò)程N(yùn)次，然后選取所得到最好的H，作為H的8個(gè)參數(shù)齊次最優(yōu)解。H的準(zhǔn)確性可以用在H下內(nèi)點(diǎn)（inlier）的個(gè)數(shù)來(lái)表征。這樣當(dāng)N足夠大時(shí)，H可以達(dá)到很高的精度。

2.4 透視變換

根據(jù)前面計(jì)算得到的圖像透視變換矩陣H對(duì)待配準(zhǔn)的圖像中像素點(diǎn)坐標(biāo)做矩陣乘法，可以將相鄰兩幅圖像中處于各自坐標(biāo)系下的像素點(diǎn)統(tǒng)一到同一坐標(biāo)系下。透視變換根據(jù)兩幅圖像的坐標(biāo)系之間的關(guān)系（由單應(yīng)矩陣H刻畫(huà)），通過(guò)矩陣乘法將二者的坐標(biāo)系統(tǒng)一成一個(gè)，將源圖像變換到目標(biāo)圖像，完成圖像的幾何配準(zhǔn)最后變成一幅圖像。

透視變換通過(guò)函數(shù)cvWrapPerspective完成，結(jié)果如圖5所示。由圖5可知，兩幅圖像因?yàn)榱炼群皖伾町愝^大，直接拼接后的效果并不理想，拼接邊緣已經(jīng)用紅色進(jìn)行了標(biāo)示。

2.5 圖像融合

經(jīng)過(guò)SIFT圖像配準(zhǔn)工作完成后，求得變換矩陣，此時(shí)的兩幅圖像已經(jīng)拼連在一起并且位于同一平面上，但是由于兩幅圖像拍攝時(shí)亮度的差異等因素，會(huì)導(dǎo)致兩幅圖像在拼接的位置有明顯的拼縫。圖像融合的作用是使圖像拼接整體亮度保持一致，圖像重疊區(qū)域拼接過(guò)渡平滑，消除因拼接產(chǎn)生的拼接縫隙。使用OpenCV中的MultiBandBlender類(lèi)完成這一過(guò)程，結(jié)果如圖6所示。

3 小結(jié)

針對(duì)胡楊研究過(guò)程中如何獲取較大視域全景圖像的問(wèn)題，利用數(shù)字圖像處理技術(shù)，綜合運(yùn)用SIFT特征提取、特征匹配、Homography矩陣計(jì)算、透視變換和圖像融合方法，實(shí)現(xiàn)多個(gè)單一圖像融合成一幅圖像。結(jié)果表明，將全景拼接技術(shù)應(yīng)用于胡楊的研究中是一種可行的方法。因?yàn)槭窃诤鷹盍执撼唧斗乐窝芯空n題的基礎(chǔ)上開(kāi)展的全景圖像拼接應(yīng)用研究，未對(duì)其他樹(shù)種進(jìn)行應(yīng)用分析，理論上該實(shí)現(xiàn)方法在其他樹(shù)種的應(yīng)用也是可行的。

參考文獻(xiàn)：

[1] 王吳續(xù)，徐崇志，李 青.新疆塔里木南緣胡楊林生態(tài)價(jià)值測(cè)度[J].北方園藝，2014（9）：210-213.

[2] 鄧潮洲，李 利，吳俊俠，等.塔里木河上游胡楊群落及種群特征分析[J].中國(guó)沙漠，2010，30（6）：1381-1388.

[3] 桑巴葉，劉 康，朱玉偉，等.墨玉縣天然胡楊林春尺蠖飛防試驗(yàn)研究[J].防護(hù)林科技，2013（9）：16-17，35.

[4] 江 鐵，朱桂斌，孫 奧.全景圖像拼接技術(shù)研究現(xiàn)狀綜述[J].重慶工商大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，29（12）：60-65.

[5] ZHOU B，ZHENG J，ZHOU H. Tree image mosaicing system based on featured area matching[J]. Transactions of CSAM，2010，41（10）：195-198.

[6] SAWHNEY H S， KUMAR R.True multi-image alignment and its application to mosaicing and lens distortion correction[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1999，21（3）：235-243.

[7] 鄭加強(qiáng)，賈志成，周 博，等.基于動(dòng)態(tài)樹(shù)木圖像序列的實(shí)時(shí)拼接系統(tǒng)及其深度信息檢測(cè)[J].林業(yè)科學(xué)，2014，50（5）：82-89.

[8] 劉 暢，金立左，費(fèi)樹(shù)岷，等.固定多攝像頭的視頻拼接技術(shù)[J].數(shù)據(jù)采集與處理，2014，29（1）：126-133.

[9] 郭曉冉，崔少輝.基于局部特征點(diǎn)配準(zhǔn)的圖像拼接算法[J].半導(dǎo)體光電，2014，35（1）：89-94.

[10] 劉小軍，楊 杰，孫堅(jiān)偉，等.基于SIFT的圖像配準(zhǔn)方法[J].紅外與激光工程，2008，37（1）：156-160.

（責(zé)任編輯 屠 晶）endprint