多尺度SIFT特征匹配的足跡圖像拼接方法

楊安園，朱悅云

（開封大學(xué) 機(jī)械與汽車工程學(xué)院，河南 開封 475000）

多尺度SIFT特征匹配的足跡圖像拼接方法

楊安園，朱悅云

（開封大學(xué) 機(jī)械與汽車工程學(xué)院，河南 開封 475000）

為了增強(qiáng)圖像細(xì)節(jié)、提高匹配精度，提出了一種基于小波變換的多尺度SIFT特征匹配的足跡圖像拼接方法。該方法對(duì)預(yù)處理的圖像進(jìn)行小波變換，把低頻系數(shù)設(shè)為零，高頻系數(shù)進(jìn)行閾值調(diào)整并反變換后，再利用對(duì)于尺度具有魯棒性的SIFT算法對(duì)處理后的圖像進(jìn)行特征點(diǎn)的提取與匹配。對(duì)于粗匹配產(chǎn)生的誤匹配對(duì)，應(yīng)用隨機(jī)抽樣一致性算法（RANSAC）進(jìn)行篩選，并通過與原始圖像的拼接作比較顯示該方法的優(yōu)越性。實(shí)驗(yàn)結(jié)果證明該方法使圖像細(xì)節(jié)更為清晰，提高了匹配精度，而且較原始方法有一定程度的提高。

足跡；小波變換；圖像拼接；SIFT特征點(diǎn)；隨機(jī)抽樣一致算法

針對(duì)公安機(jī)關(guān)對(duì)于現(xiàn)場(chǎng)足跡圖像串并案的需求,圖像拼接對(duì)于足跡分析比對(duì)系統(tǒng)具有十分重要的意義。由于圖像穩(wěn)定精確拼接算法的實(shí)現(xiàn)難，需要對(duì)相機(jī)的拍攝角度位置，光圈焦距等攝像參數(shù)進(jìn)行精確校準(zhǔn)，難以滿足現(xiàn)場(chǎng)取證的需要。采用SIFT特征匹配算法，雖然對(duì)旋轉(zhuǎn)、尺度縮放、光照視角變化等因素保持一定魯棒性，低重疊區(qū)、部分遮擋和噪聲等因素也保持較好的可匹配性，但仍存在誤匹配。針對(duì)足跡分析比對(duì)系統(tǒng)中對(duì)多分辨率、高配準(zhǔn)率要求，文章介紹一種基于小波變換和SIFT特征匹配的足跡圖像拼接方法。該方法不僅能使圖像噪聲降到最低，細(xì)節(jié)有所增加，而且保留了SIFT特征匹配算法的優(yōu)點(diǎn)，提高了匹配精度。

1 基于小波變換的方向性和邊緣檢測(cè)

文章選擇雙正交小波基，Biorthogonal小波系中的bior6.8對(duì)足跡圖像進(jìn)行小波分解。其算法如下：

（1）用bior6.8對(duì)足跡圖像進(jìn)行2層分解，得到近視和細(xì)節(jié)系數(shù)；對(duì)分解得到的低頻系數(shù)設(shè)置為0。

（2）用方程式（1）對(duì)高頻系數(shù)進(jìn)行非線性增強(qiáng)：

式中：fhc、ghc分別為調(diào)整前、后的高頻系數(shù)，K為增強(qiáng)因子，T1、T2為閾值，B為背景值，F(xiàn)為前景值。

（3）計(jì)算反變換并對(duì)取絕對(duì)值，得到增強(qiáng)后圖像。

2 SIFT特征匹配

圖像的尺度空可表示為二維圖像與一個(gè)可變尺度的高斯函數(shù)卷積運(yùn)算。高斯金字塔中相鄰尺度空間函數(shù)相減，可得到高斯差分金字塔。為檢測(cè)極值，樣本像素點(diǎn)要與相鄰的26個(gè)像素點(diǎn)進(jìn)行比較。利用關(guān)鍵點(diǎn)鄰域像素的梯度方向分布特征為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)。直方圖中主峰值所對(duì)應(yīng)方向?yàn)樘卣鼽c(diǎn)主方向，主峰值80%的局部峰值為該點(diǎn)輔方向。在小區(qū)域內(nèi)計(jì)算8個(gè)方向的梯度方向直方圖，然后在下一個(gè)2×2的區(qū)域內(nèi)進(jìn)行直方圖統(tǒng)計(jì)，則1個(gè)特征點(diǎn)就對(duì)應(yīng)16×8=128維向量。采用RANSAC算法對(duì)圖像的單應(yīng)矩陣進(jìn)行求解。為了消除重疊區(qū)域，采用的是漸入漸出平滑過渡的方法。

3 實(shí)驗(yàn)結(jié)果

文章的實(shí)驗(yàn)環(huán)境為PC（Intel（R）Core（TM）2 Duo CPU T6570@2.10GHz，2G內(nèi)存，Windows7），采用Matlab對(duì)圖像拼接方法進(jìn)行了實(shí)驗(yàn)。在配準(zhǔn)前需要對(duì)小波分解后的系數(shù)值進(jìn)行調(diào)整，從而提高圖像配準(zhǔn)的參數(shù)。實(shí)驗(yàn)中取背景值B=0，前景值F=1，并調(diào)節(jié)閾值TI、T2的大小。通過對(duì)多幅足跡圖像進(jìn)行小波分解后統(tǒng)計(jì)得到T1和T2的取值范圍分別為［0.484，0.499］和［0.50，1］。實(shí)驗(yàn)結(jié)果如圖1所示。圖1（a）實(shí)驗(yàn)表明，選取T1=0.493，T2=0.55時(shí)，所匹配關(guān)鍵點(diǎn)對(duì)數(shù)最多，匹配、融合、配準(zhǔn)所需時(shí)間最少。

實(shí)驗(yàn)首先對(duì)圖1（b）的兩幅圖像直接進(jìn)行特征點(diǎn)匹配后利用RANSAC方法求解單應(yīng)矩陣，最后用加權(quán)平滑算法進(jìn)行圖像融合，拼接后的圖像如圖1（a）所示。接著用本文改進(jìn)方法對(duì)圖像1（b）中的兩幅圖像進(jìn)行小波變換，濾除近似部分并對(duì)細(xì)節(jié)系數(shù)進(jìn)行非線性調(diào)整。對(duì)其進(jìn)行反變換后得到圖1（c），再用以上方法進(jìn)行拼接得到結(jié)果如圖1（d）所示。實(shí)驗(yàn)證明，文章拼接方法得到的圖像精度更高。

（a）改變閾值關(guān)鍵點(diǎn)個(gè)數(shù)和配對(duì)數(shù)

（b）原圖像

（c）小波變換后的圖像

圖1 實(shí)驗(yàn)結(jié)果

4 結(jié)語(yǔ)

文章在對(duì)SIFT特征匹配算法的基礎(chǔ)上，提出了一種適合足跡采樣的自動(dòng)拼接算法。圖像通過小波變換，直接消除低頻信息和噪聲，增強(qiáng)邊緣細(xì)節(jié)，使匹配精度更高，從而得到更多有用的足跡信息。

［1］Lowe.D G，Distinctive Image Features from Scale-Invariant Key points［J］.International Journal of Computer Vision，2004，60（2）：91-110.

［2］Mallat.S，Zhong.S．Characterization of signals from multiscale edges．IEEE Trans．Pattern Anal．Machine Intell，1992，14（7）：710-732.

［3］Szeliski R.Image mosaicing for tele-reality applications.IEEE Computer Society on Applications of Computer Vision,Sarasota，F(xiàn)lorida，1994：44-53.

Method of Footprint Image Stitching Based on Multiple Dimensioned SIFT Feature Matching

YANG An-yuan，ZHU Yue-yun

（School of Mechanical and Automotive Engineering，Kaifeng University，Kaifeng，Henan 475000，China）

Image stitching method is widely used into the suspect's footprint information extraction.In order to improve the image detail and the matching precision，the Footprint map image stitching method which is based on the wavelet transform and the SIFT feature matching is put forward.The wavelet transform in this method is perform based on the pretreatment of image，move the low frequency wavelet coefficient to zero，adjusting thresholds of the high frequency wavelet coefficient and inverse transformation，then，use the SIFT to extract and match the keypoints of the processed images.For the error matching pair of coarse match，you can use the RANSAC to filter them out.This article demonstrates its advantage through to the original image splicing comparisons.The experimental results show that the method display more clear detail and the precision of matching than the original method.

footprint；wavelet transform；image stitching；sift feature matching；RANSAC

TP391.41

A

2095-980X（2017）01-0052-02

2016-12-28

楊安園（1987-），男，河南人，碩士研究生，助教，主要研究方向：機(jī)械故障診斷、圖像處理。