基于稀疏特征点的零件图像拼接方法

doi:10.3969/j.issn.1006-2475.2019.02.004

计算机与现代化

基于稀疏特征点的零件图像拼接方法

(1.西南科技大学计算机科学与技术学院，四川绵阳621010;2.四川天一学院信息工程系，四川绵竹618200)

收稿日期:2018-07-07 出版日期:2019-02-25 发布日期:2019-02-26
作者简介:张勤（1987-），女，四川眉山人，助教，硕士研究生，研究方向：图像拼接,E-mail: 624046263@qq.com; 贾渊（1973-），男，四川营山人，教授，博士，研究方向：图像处理，E-mail: 114997152@qq.com。
基金资助:
国家自然科学基金面上项目(61672438); 龙山学术人才科研支持计划项目(17LZXJ09)

A Part Image Mosaic Method Based on Sparse Feature Points

(1. School of Computer Science and Technology, Southwest University of Science and Technology, Mianyang 621010, China;
2. Department of Information Engineering, Sichuan Tianyi College, Mianzhu 618200, China)

Received:2018-07-07 Online:2019-02-25 Published:2019-02-26

摘要/Abstract

摘要： 针对纹理弱、特征稀少且存在大量相似性区域的零件图像拼接，一般基于特征点的图像拼接方法效果较差，本文提出一种改进方法。该方法首先依据FAST特征点检测方法提取特征点，再筛选出用于匹配的候选点集；其次，利用模板区域采样灰度特征，通过设置旋转角度和缩放比例搜索域结合结构相似性（SSIM）方法完成点匹配；最后，通过点匹配结果求出旋转、缩放和平移参量，利用3σ原则去除异常值得到最终结果。实验结果表明，在角度搜索域为［-45°,+45°］，缩放搜索域为［0.5,1.5］的条件下，本文方法能够得到较准确的旋转、缩放、平移参量及拼接效果。

关键词: 图像拼接, FAST特征点, 特征点匹配, 结构相似性

Abstract: Aiming at the poor results that many image mosaic methods based on the feature points are used to parts image with weak texture, few features and many similar regions, an improved method is proposed. Firstly, the feature points are extracted by the FAST method, and the candidate points sets for matching are generated from them. Secondly, the gray feature values are sampled by template region, and the points matching results are obtained via setting the rotation angle and scaling search regions with the structural similarity index measurement (SSIM) method. Finally, the rotation, scaling, translation parameters are worked out by the points matching results. The last results of the parameters are gained through 3σ principle removing abnormal values. The experiment results show that the new method could get good rotation, scaling, translation parameters and mosaic image when angle search region is［-45°,+45°］ and scaling search region is［0.5,1.5］.

Key words: image mosaic, FAST feature points, feature points matching, structural similarity index measurement (SSIM)

中图分类号:

TP391

张勤1,2，贾渊1，王耀彬1. 基于稀疏特征点的零件图像拼接方法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2019.02.004.

ZHANG Qin1,2, JIA Yuan1, WANG Yao-bin1. A Part Image Mosaic Method Based on Sparse Feature Points[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2019.02.004.

参考文献

［1］高晶,陈莉,兰小艳,等. 基于FAST特征点提取的图像拼接算法［J］. 西北大学学报(自然科学版), 2016,46(3):351-357.
［2］李喜艳,纪东升,吴崇正. 基于SURF和伪Zernike矩的图像拼接算法研究［J］. 郑州大学学报(工学版), 2014,35(6):69-73.
［3］王武,于林韬. 基于SURF和RANSAC的快速图像拼接［J］. 数字技术与应用, 2017(11):39-40.
［4］ LIU S, ZHAO L L, LI J S, et al. The SIFT features matching for spherical panoramic images［C］// Proceedings of the 11th IEEE International Conference on Control and Automation (ICCA). 2014:914-917.
［5］王茜,宁纪锋,曹宇翔,等. 基于SIFT算法的无人机遥感图像拼接技术［J］. 吉林大学学报(信息科学版), 2017,35(2):188-197.
［6］吴金津,王鹏程,龙永新,等. 基于FAST角点检测的图像配准算法［J］. 湖南工业大学学报, 2014,28(4):71-75.
［7］安维胜,余让明,伍玉铃. 基于FAST和SURF的图像配准算法［J］. 计算机工程, 2015,41(10):232-235.
［8］张丛,李永刚,罗陆锋. 基于SIFT-SUSAN算法的零件图像特征提取研究［J］. 制造业自动化, 2014,36(16):81-85.
［9］ LIU Z X, WANG Y X, JING Y, et al. A robust feature point matching method for dynamic aerial image registration［C］// Proceedings of the 6th International Symposium on Parallel Architectures, Algorithms and Programming. 2014:144-147.
［10］戴雪梅,郎朗,陈孟元. 基于改进ORB的图像特征点匹配研究［J］. 电子测量与仪器学报, 2016,30(2):233-240.
［11］梁伟铭,冯颖龙,朱元,等. 基于ORB特征点改进型图像拼接技术［J］. 信息通信, 2017(12):13-15.
［12］QIN Y Y, XU H K, CHEN H R. Image feature points matching via improved ORB［C］// Proceedings of the 2014 International Conference on Progress in Informatics and Computing. 2014:204-208.
［13］LEI F, REN W, LV L. Image matching algorithm based on improved Harris［C］// Proceedings of the 2015 International Conference on Computational Intelligence and Communication Networks. 2015:378-381.
［14］邵春艳,丁庆海,罗海波. 基于空间纹理相似性的图像角点特征匹配算法［J］. 计算机应用研究, 2016,33(12):3868-3871.
［15］TU L P, DONG C Q. Histogram equalization and image feature matching［C］// Proceedings of the 6th International Congress on Image and Signal Processing (CISP 2013). 2013:443-447.
［16］DONOSER M, SCHMALSTIEG D. Discriminative feature-to-point matching in image-based localization［C］// Proceedings of the 2014 IEEE Conference on Computer Vision and Pattern Recognition. 2014:516-523.
［17］苏森,李郁峰,范勇,等. 一种快速高精度的零件图像配准算法［J］. 制造技术与机床, 2016(7):121-125.
［18］MA Y, WANG J H, XU H H, et al. Robust image feature matching via progressive sparse spatial consensus［J］. IEEE Access, 2017,5:24568-24579.
［19］JIANG B, TANG J, LUO B, et al. Robust feature point matching with sparse model［J］. IEEE Transactions on Image Processing, 2014,23(12):5175-5186.
［20］黄静. 低重叠率和弱纹理图像的快速拼接算法［J］. 湖南科技大学学报(自然科学版), 2016,31(2):88-92.
［21］李彦飞. 关于弱纹理人脸图像匹配方法的改进研究［J］. 计算机仿真, 2016,33(7):331-334.
［22］杨帆,郭建华,王竞雪. 采用结构相似度和几何约束原理的影像误匹配剔除算法［J］. 信号处理, 2016,32(1):83-90.
［23］赵静,赵小乐. 基于Laplace的LSSIM图像配准算法［J］. 计算机系统应用, 2015,24(9):160-165.

[1]	李四杰, 唐清善, 高英华. 基于GMS和改进最佳缝合线的视差图像拼接算法[J]. 计算机与现代化, 2022, 0(12): 95-101.
[2]	金超，张龙波，王海鹏，安建瑞，怀浩，王晓丹. 一种基于结构相似性的图聚类算法[J]. 计算机与现代化, 2016, 0(3): 19-23.
[3]	周敏1，刘宁钟2，王立春2. 基于无人机航拍的公路图像拼接方法研究[J]. 计算机与现代化, 2016, 0(10): 49-53.
[4]	彭海强，廖华丽. 基于水下视频图像去雾帘的关键帧提取系统[J]. 计算机与现代化, 2015, 0(11): 84-88.
[5]	袁涵，汤进，王文中. 一种基于图像的大型车辆车身长度自动测量方法[J]. 计算机与现代化, 2014, 0(5): 108-112.
[6]	赵毅力;徐丹. 基于全景图像的虚拟漫游系统研究[J]. 计算机与现代化, 2011, 1(6): 11-4.
[7]	冯晓峰;陈军;石雄. 基于球面全景图的空战环境漫游研究[J]. 计算机与现代化, 2010, 1(11): 35-38.

基于稀疏特征点的零件图像拼接方法

A Part Image Mosaic Method Based on Sparse Feature Points

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

编辑推荐

Metrics

本文评价