徐敏

摘 要：為消除拼接圖像間重疊部分出現(xiàn)的重影問題，本文提出了改進加權(quán)融合算法。首先，采用SURF算法對圖像進行特征匹配，得到對應(yīng)的不變矩陣H；然后，采用改進加權(quán)融合算法求取加權(quán)系數(shù)；最后，通過加權(quán)系數(shù)對待拼接圖像進行融合，從而減少拼接融合時兩幅圖像的差異，以達到消除重影的目的。實驗中分別采用了加權(quán)融合、動態(tài)規(guī)劃尋找拼接線法、HSI算法以及本文提出的改進加權(quán)融合法進行測試。結(jié)果表明，所提算法能自適應(yīng)的消除運動目標的干擾，灰度標準差、信息熵加權(quán)、清晰度加權(quán)評價指標相比其他融合拼接算法均有所提高，融合圖像的質(zhì)量與清晰度得到改善。

關(guān)鍵詞：SURF算法；重影；改進加權(quán)融合

中圖分類號：TP751.1 文獻標識碼：A

1 引言（Introduction）

圖像拼接是計算機視覺與圖像處理領(lǐng)域一個研究熱點，其目的是把含有重疊區(qū)域的同一場景的兩幅或者多幅圖像合成為一幅具有較高分辨率的全景圖像[1]。由于待拼接圖像的重疊部分內(nèi)容不僅隨時間的變化會發(fā)生變化，而且可能受到幾何變換、配準與運動物體的影響，兩幅圖像間的重疊部分便容易存在差異，此時若直接對重疊區(qū)域進行融合處理，拼接結(jié)果將會產(chǎn)生重影現(xiàn)象，圖像融合[2-4]技術(shù)消除重影現(xiàn)象是圖像拼接重要的環(huán)節(jié)。

圖像融合是生成一幅寬視覺圖像的最后一步，它既解決了圖像的畫質(zhì)問題又能消除連接縫、光度和色度的影響。文獻[5]提出的直接平均值法是基于配準圖像重疊區(qū)域的像素灰度值，容易造成融合圖像出現(xiàn)帶狀問題，甚至影響拼接圖像的視覺效果。最大值法[6]是指重疊區(qū)域并不是對兩幅待拼接的圖像進行平均，而是采用比較待拼接圖像對應(yīng)點像素值大小進行融合，容易出現(xiàn)重疊區(qū)域不流暢等問題。加權(quán)平均法[7]與直接平均法一樣均是利用圖像的像素灰度值，該算法包含帽子函數(shù)加權(quán)平均法[8]和漸進漸出加權(quán)平均法[9]，該算法融合后容易出現(xiàn)重影等問題。

針對上述問題，本文在基于SURF算法的圖像配準基礎(chǔ)上，對圖像融合進行了改進，提出了改進加權(quán)融合算法，通過實驗驗證，該方法能有效的消除圖像重影等問題。

2 重影產(chǎn)生的因素（Factors of ghosting）

圖像拼接在實際應(yīng)用中，極易產(chǎn)生重影現(xiàn)象，本文將分別從拍攝因素與算法因素兩方面分析圖像拼接產(chǎn)生原因。

4 討論（Discussion）

本文采用AMD A8-5500B APU 3.19GHz、3.21GB內(nèi)存的計算機，采用vs2010編程環(huán)境下，對加權(quán)融合、動態(tài)規(guī)劃尋找拼接線法[10]、文獻[11]中方法，以及本文所提方法進行對比分析。

采用圖4（a）和圖4（b）對拼接算法進行分析驗證，四種方法的融合結(jié)果如圖5所示。其中圖5（a）運用加權(quán)融合算法雖然能夠消除圖像的拼接縫，但因運動目標的干擾產(chǎn)生了重影；動態(tài)規(guī)劃拼接線法是將圖像分解為多幅尺度圖像進行拼接后再合成為最后的融合圖像，可實現(xiàn)整幅圖像平滑過渡，并能夠降低對配準誤差的敏感度，消除重影，但該方法限制了拼接線的搜索方向，使拼接線不能避開目標的邊緣，產(chǎn)生穿越現(xiàn)象，最終仍然產(chǎn)生重影，運用動態(tài)規(guī)劃拼接線法如圖5（b）所示；圖5（c）為選用文獻[11]方法，該方法運算量小，能夠消除運動目標的干擾，但圖5（c）圖像由于光照差異存在拼接痕跡；如圖5（d）所示，本文融合算法拼接效果優(yōu)于其他算法的拼接效果。為了體現(xiàn)本文所提融合算法的實用性和可靠性，采用客觀指標對其融合效果進行評價[12，13]。

表1給出了基于灰度標準差、空間頻率信息熵加權(quán)、清晰度加權(quán)質(zhì)量評價結(jié)果，測試圖像為圖5四種算法的拼接結(jié)果。測試結(jié)果中可以看出，本文拼接算法拼接后的圖像灰度標準差、空間頻率信息熵加權(quán)、清晰度加權(quán)值相比其他三種算法均有所提高，而灰度標準差值、空間頻率值越大說明融合圖像的灰度分布越分散，信息熵加權(quán)、清晰度加權(quán)值越大則表明融合后的圖像過渡更加平滑，融合算法方案更優(yōu)，同時，重影拼接的實時性較好。

5 結(jié)論（Conclusion）

本文在研究圖像拼接中的融合方法的基礎(chǔ)上，提出了基于改進加權(quán)融合算法實現(xiàn)圖像拼接，從而消除圖像拼接中產(chǎn)生的重影。該方法通過求取差異圖像確定運動目標區(qū)域，并基于其邊界求取加權(quán)系數(shù)，實驗表明該融合算法能自適應(yīng)的消除運動目標的干擾，灰度標準差、信息熵加權(quán)、清晰度加權(quán)評價指標相比其他融合拼接算法均有所提高，即融合圖像的質(zhì)量與清晰度得到改善。同時，提高了圖像去重影拼接的實時性。

參考文獻（Reference）

[1] 祝繼華，等.基于圖像配準的柵格地圖拼接方法[J].自動化學報，2015，41（2）：285-294.

[2] 桂振文，等.一種融合多傳感器信息的移動圖像識別方法[J].自動化學報，2015，41（8）：1395-1404.

[3] 潘榮江，等.一種基于LCS的物體碎片自動拼接方法[J].計算機學報，2005，28（3）：350-356.

[4] 賀行政，康榮學，任貴文.安全生產(chǎn)監(jiān)控中的紅外圖像融合技術(shù)研究[J].中國安全生產(chǎn)科學技術(shù)，2016，12（S1）：268-271.

[5] 雷飛，等.基于改進SURF的實時視頻拼接方法[J].計算機技術(shù)與發(fā)展，2015，25（3）：32-35.

[6] 漆昇翔，等.面向機載應(yīng)用的多傳感器圖像融合技術(shù)綜述[J].航空電子技術(shù)，2016（14）：5-11.

[7] Richard Szeliski，Heung-Yeung Shum.Creating full view panoramic image mosaics and environment maps[C].In：Computer Graghics Procceding，Annual Conference Series，ACM SIGGRAPH，Los Angeles，California，

1997：251-258.

[8] H Nicolas. New Methods for Dynamic Mosaicking[J].IEEE Transactions on Image Processing，2011，10（8）：1239-1251.

[9] 葛仕明，等.基于梯度場的拼接縫消除方法[J].計算機輔助設(shè)計與圖形學學報，2007，19（2）：227-232.

[10] Smith S M，Brady J M.SUSAN-a new approach to low level image processing[J].International Journal of Computer Vision，1997，23（9）：45-78.

[11] Yang Y，et al.A research on registration and de-ghosting algorithm in image mosaic[C].Wireless Communications & Signal Processing （WCSP），2013 International Conference on.IEEE，2013：1-5.

[12] 于大海，等.圖像灰度標準差對介質(zhì)阻擋絲狀放電分布均勻性的定量評價[J].中國電機工程學報，2013，33（28）：193-196.

[13] 姚漢英，等.SAR圖像拼接效果的評價方法研究[J].計算機工程，2010，36（15）：196-198.

作者簡介：

徐 敏（1988-），女，碩士，助教.研究領(lǐng)域：數(shù)字圖像處理.