一种有效的序列图像自动拼接方法

提出了一种基于相位相关法和加速鲁棒特性(SURF:Speeded-Up Robust Features)特征点匹配相结合的序列图像自动拼接算法。首先,利用相位相关法计算归一化相位相关度,通过最大相关度求交进行序列图像的自动排序,并计算得到平移参数;在平移参数指导下,粗估测特征检测感兴趣区域(ROI:Region of Interest)以改进SURF算法进行特征点提取,加快了结合快速最近邻搜索算法和随机采样一致性(RANSAC:Random Sample Consensus)算法的匹配过程的运算速度,提高了稳健性;最后,使用奇异值分解(SVD:Singular Value Decomposition)方法求得相邻图像变换参数,运用帧到拼接图像的思想进行图像拼接并融合得到无缝全景图。实验结果表明,本文算法不但有效地实现序列图像自动排序,与现有算法相比具有更好的实时性,而且合成的全景图具有高清晰度和良好的视觉一致性,具有较好的实用价值。