1论文(基于Harris角点的图像配准算法研究)
具有SIFT描述的Harris角点多源图像配准
Ａｂｓｒ ｃ ： ｕ ｔ ｓ ｎ ｏ ’ ｇ ｅ ｉｔ ｔ ｎ ｉ ｅ ｙ ｄ ｆ ｃ ｌ ｂ ｃ ｕ ｅｏ ｅｒｄ ｆｅ ｅ ｔｉ ｇ ｎ ｒｎ ｉ ｌ ｓ Ｒｅ ｅ ｒｎ ｏ ｔ ｅ ｔ ａ ｔ Ｍ ｌ — ｅ ｓ ｒｉ ｉ ｍａ ｅｒ ｇ ｓｒ ｉ ｓｖ ｒ ｉ ｕ ｔ ｅ ａ ｓ ｆ ｈ ｉ ｉ ｒ ｎ ｍａ ｉｇ ｐ ｉ ｃｐ ｅ ． ｆ ｒｉ ｇ ｔ ｈ ａｏ ｉ ｔ ｒ ｇ ｓｒ ｔ ｎ ｏ ｆａ ｅ ｎ ｉｉ ｌ ｍａ ｅ ， ｅ ｉｔａｉ ｎ ａ ｇ ｒ ｈ ｉ ｐ ｏ ｏ ｅ ａ ｅ ｎ ｔｅ Ｈａ ｓ ｃ ｍ ｅ ｔ Ｉ Ｔ ｅ ｉ ａ ｉ ｆｉ ｒ ｒ ｄ ａ ｄ ｖ ｓ ｅ ｉ ｇ ｓ ａ ｒ ｇ ｓ ｔ ｌ ｏ ｉ ｍ ｓ ｒ ｐ ｓ ｄ ｂ ｓ ｄ ｏ ｈ ｒ ｏ ｒｗｉ Ｓ Ｆ ｔ ｏ ｎ ｂ ｒ ｏ ｔ ｉ ｈ
作 为特征 点； 然后通过改进 ＳＦ ＩＴ对特征点 的描述方法 ， 采用 圆环 结构 算子对 Ｈａｒ 角点进行 类 ＳＦ ｒｓ ｉ ＩＴ的特征描述 ； 最后利用双向最近邻 方法进行 匹配，通过最小二乘法 实现 图像的配准 。实验证 实了算法配准的精确性 、快速性和
稳 定 性 ，具 有较 好 的 配 准效 果 。
融 合 了 Ｈａ ｉ 与 ＳＦ ｒｓ ＩＴ各 自的优 点 ，本文 实验 证 明其具 有 良好 的 配准效 果 。
１ 多 尺 度 Ｈ ｒ ｓ 点提 取 ａｒ 角 ｉ
实 际 图像 中的 特征 角 点常 常 出现 在 不 同的尺 度范 围上 ，在较 大尺 度下 能更 可靠地 消 除误检 角点以确 保
分块的基于Harris角点检测的图像配准方法
ｉ ｆ ｒ ｓ ｔ ， ｉ ｔ ｂ ｌ ｏ ｃ ｋ ｓ ｔ ｈ ｅ ｉ ｍ ａ ｇ ｅ ｓ， ｓ ｏ ｒ ｔ ｓ ｃ ｏ ｒ ｒ ｅ ｓ ｐ ｏ ｎ ｄ ｉ ｎ ｌ ｇ ｙ ， ａ ｎ ｄ ｅ ｘ ｒ ｔ ａ ｃ ｔ ｓ Ｈ ａ ｒ ｒ ｉ ｓ ｃ ｏ ｍｅ ｒ ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ｌ ｏ ｃ ｌ ａ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ， ｈ ｔ ｅ ｎ ｉ ｎ ｉ ｉ ｔ ａ ｌ ｌ ｙ ａｔ ｍ ｃ ｈ ｅ ｓ ｔ ｈ ｅ ｉ ｍ ａ ｇ ｅ ｓ ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｔ ｈ ｅ ｒ ａ ｉ ｔ ｏ
熬
Ｄ 吲
潮
【 本文献信息】常丽萍， 冀小平， 赵梁 ． 分块的基于 Ｈ ａ ｒ ｒ ｉ ｓ 角点检测的图像配准方法［ Ｊ ］ ． 电视技术， ２ ０ １ ３ ， ３ ７ （ １ ） ．
分块的基于 Ｈａ ｒ ｒ ｉ ｓ 角点检测的图像配准方法
常丽萍， 冀小平 ， 赵 梁
（ 太原理工 大学 信 息工程 学院， 山西 太原 ０ ３ ０ ０ ２ ４ ）
一【 关键词】Ｈ ａ 源自 ｒ ｉ ｓ 角点； 图像配准； 图像分块 【 中图分类号】Ｔ Ｎ ９ １ １ ． ７ ３
【 文献标志码】 Ａ
Ｂｌ ｏ ｃ ｋ Ｉ ｍａ ｇ ｅ Ｒｅ ｇ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ Ｍｅ ｔ ｈｏ ｄ Ｂａ ｓ ｅ ｄ Ｏｎ Ｈａ ｒ ｒ ｉ ｓ Ｃｏ ｒ ｎｅ ｒ Ｄｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ
ｉ ｎ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ｏ ｆ ｃ ｏ ｍｅ ｒ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ。ｅ ｓ ｐ ｅ ｃ ｉ ａ ｌ ｌ ｙ ｉ ｎ ｌ ａ ｒ ｇ ｅ ｒ ｉ ｍａ ｇ ｅ ｓ ．Ａ ｎ ｅ ｗ ｉ ｍａ ｇ ｅ ｒ ｅ ｇ ｉ ｓ ｒ ｔ ａ ｔ ｉ ｏ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｍｕ ｌ ｉ－ ｔ ｓ ｃ ｌｅ ａ Ｈａ ｒ ｉｓ ｒ ｄ ｅ ｔ ｅ ｃ ｔ ｏ ｒ ｉ ｓ ｒ ｅ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ｅ ｄ ｉ ｎ ｔ ｈｉ ｓ ｐ ａ ｅ ｒ Ａｔ ｐ
基于Harris角点和最大互信息的多模医学图像配准
就 会 碰 到 一 个 问 题 ， 幅 图 像 可 能 包 括 大 量 的 同类 区域 （ 如 一 例 天 空 、 海 等 ） 那 么 这 样 的 图 像 就 不 太 适 合 用 最 大 互 信 息 的 大 ， 互 信 息 是 信 息论 的一 个 基 本概 念 ， 两 个 随 机 变 量 统计 是 相 关 性 的测 度 。 ｏ ｓ 测 试 图 像 的 条 件 熵 作 为 配 准 的测 度 ， Ｗｏ ｄ 用 用 于 Ｐ Ｔ到 ＭＲ 图像 的配 准 。Ｃ ｌ ｎｎ ｗｅｌ 等 人 用 互 信 息 Ｅ ｏｌ ｏ 、 ｌ… ｉ ｇ ｓ 作 为 多模 态 医 学 图像 的 配 准 测 度 。 互信 息 作 为 两 幅 图像 的 以 相 似 性 测 度 进 行 配 准 时 ， 果 两 幅基 于共 同解 剖 结 构 的 图像 如 达 到最 佳 配 准 时 ， 们 对 应 的 图像 特 征互 信 息 应 为 最 大 。最 它 大 互 信 息 法 几 乎 可 以 用在 任 何 不 同 模 式 图像 的配 准 中 ， 别 特 是 当其 中一 个 图像 的 数据 部 分 缺 损 时 ， 以 这 种 方 法 广 泛 用 所 于 多模 态 图像 的配 准 中 。 是 ， 但 当待 匹配 图 像 是 低 分 辨 率 、 图 像 包 含 的信 息 不 够 充 分 或 两 幅 待 匹 配 图像 的 重 叠 部 分 较 少 时 ， 于互 信 息 的配 准 目标 函 数 就 会极 不光 滑 ， 基 出现 较 多 局 部 最 优 解 ， 目标 函 数 最 优 解 的搜 索 带 来 较 大 的难 度 。但 由于 为 该 测 度 不 需 要 对 不 同成 像 模 式 下 图像 灰 度 间 的关 系 作 任 何 假 设 ， 不 需 要 对 图像 进 行 分 割 或 任 何 预 处 理 ， 也 因此 ， 测 度 可 该 以被广泛地应用于 Ｃ － ＴＭＲ，Ｅ － Ｐ ＴＭＲ等 多 种 图像 的配 准 工 作 。
基于Harris角点量与相位相关的亚像素级图像配准方法
计 算 机 应 用 研 究
Ａｐ ｌ ａｉ ｎ Ｒｅ ｅ ｒ ｈ ｏ ｏ ｕ ｅ ｓ ｐ ｉ ｔ ｓ ａ ｃ ｆＣ ｍｐ ｔｒ ｃ ｏ
Ｖｏ ． ８ Ｎｏ ２ １２ ．
Ｆｂ ２ １ ｅ． ０ １
基 于 Ｈ ｒｓ角 点 量 与 相 位 相 关 的 亚 像 素 级 ａｒ ｉ 图像 配准 方 法 术
樊志华ｈ ， ， 王春鸿ｈ岫， 长辉ｈ ， ， 饶 ， 姜文汉ｈ ，
（ ．中国科 学 院 ａ 光 电技 术研 究所 自适应 光 学研 究 室；ｂ 自适应 光学 重点 实验 室 ， 都 ６ ０ ０ ；２ １ ． ． 成 １２ ９ ．中国科 学
院研 究生 院，北 京 １１ ３ ） ００ ９ ３
，
（ ．ａ ＴｅＬ ｂｒｔｒ ｎＡ ａｔｅＯ ｔｓ Ｉｓｔｔｏ ｐｉ ＆ Ｅｅｔ ｎ ｓ ｂ ｈ 研 Ｌ ｂｒｔｒ ｎＡ ａ ｔｅ ｐｉ ， ｈｎｓ Ａａ ｅ ｙｏ ｃ １ ． ｈ ａｏａｏｙＯ ｄｐｉ ｐｉ ，ｎｔｕｅｆＯ ｔｓ ｖ ｃ ｉ ｃ ｌ ｒ ｉ ， ．Ｔ ｅ ｃｏ ｃ ａ ｏａｏ Ｏ ｄｐｉ ｔｓ Ｃ ｉｅ ｃｄｍ ｉ ｙ ｖＯ ｃ ｅ ｆＳ — ｅ ｅ，Ｃ ｅｇ ｕ６０ ０ ，Ｃ ｉａ； ．Ｇａｕ ｔ Ｓｈ ｏ ｏ ｈｎｓ ｃｄｍ ｉｗ ｓ Ｂ ｉｎ ０ ０ ９ ｈｎ ） ｅ ｎ ￥ ｈｎ ｄ １２ ９ ｈｎ ２ ｒｄ ａｅ ｃｏｌ Ｃ ｉ ｅ ａｅ ｙｏ Ｓ ｅ ｅ， ｅｉｇ１０ ３ ，Ｃ ｉａ ｆ ｅ Ａ ｆ ｃｒ ｊ
算 就能 求 出图像 亚像 素偏移 量。 实验 表 明， 于具有 明显几 何特 征 点 的场景 ， 对 所提 方 法使 得偏 移 量 的估计 精 度
有 明显提 高。 关键 词 ：相 位相 关 ；亚像素 ；图像 配 准 ； ｒｓ角点 Ｈａｒ ｉ 中图分类 号 ：Ｔ ３ １４ Ｐ９ ．１ 文献标 志码 ：Ａ 文章编 号 ：１０ — ６ ５ ２ １ ） ２ ０ ８ —４ ０ １ ３９ （０ １ ０ — ７ ８ ０
基于Harris-SURF描述符的图像配准方法
科学技术创新2020.20基于Harris-SURF 描述符的图像配准方法李慧慧（安徽理工大学测绘学院，安徽淮南232000）图像处理技术是计算机领域中较为重要的应用技术，而图像配准作为图像处理技术中一种，其应用范围较为广泛，例如数码显示、军事侦察、医学图像等。
配准的目的是找到一种功能，该功能将一个图像的点映射到另一图像的对应点，从而在图像之间提供几何对齐。
此过程可以补偿对象的运动或传感器之间的某些差异，从而实现在公共参考系中比较和分析图像[1]。
图像配准方法多种多样，主要是基于区域[2]和基于特征[3]两种方法。
当图像没有特定的细节和独特的信息时，使用基于区域的方法进行图像配准更适宜。
但是对于复杂图像，基于区域方法因通常更耗费时间而不适用作为配准方法。
当图像包含足够独特且可有效检测的对象时，通常使用基于特征的方法更为有效。
最经典的基于特征的方法是SIFT （Scale Invariant Feature Transformation ）方法[4]，该方法通过引入高斯算子的Laplacet 提取了尺度和旋转不变特征点，实现了自动图像匹配。
但缺点是它只能提取128维针对每个检测到的兴趣点，在特征匹配步骤中需要更多时间的特征向量，为了解决此问题，Bay [5]在2006年提出了SURF （Speed Up Robust Features ）特征检测和描述符算法。
SURF 特征检测器与SIFT 具有相似的鲁棒性，但是相比于SIFT ，SURF 算法的运算效率更高，更能有效节约配准时间。
虽然SURF 算法具有较高运算效率，但是SURF 算法在寻找的特征点时具有不稳定性，在进行点对之间匹配时，易造成较多的错误匹配，从而对配准正确率造成影响。
本文主要思想是是通过利用Harris 算法检测到角点作为图像特征点，提取的特征点需要计算出相应的描述符才能进行特征点的匹配，采用SURF 描述符对其进行描述符的计算，获取点对之间的对应点对。
基于Harris角点的图像匹配算法
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ａ ｎ ｅ ｗ ｈ ｉ ｇ ｈ－ｓ ｐ ｅ ｅ ｄ ｉ ｍａ ｇ ｅ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ Ｏ ｉ ｌ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｐ ｏ ｉ ｎ ｔ ｉ ｓ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ｅ ｄ．Ｔ ｈ ｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｃ ｏ ｍｂ ｉ ｎ ｅ ｓ ｃ ｏ ｉ ｎｅ ｒ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｗｉ ｔ ｈ ｇ ｒ ａ ｙ ｖ ａ ｌ ｕ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ．Ｈａ ｒ ｒ ｉ ｓ ｃ ｏ ｒ ｎ ｅ ｒ ｐ ｏ ｉ ｎ ｔ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｇ ｒ ａ ｙ ｖ ａ ｌ ｕ ｅ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ｉ ｓ ｄ ｅ ｆ ｉ ｎ ｅ ｄ．Ｉ ｔ ｔ ａ ｋ ｅ ｓ ｆ ｕ ｌ ｌ ａ ｄ ｖ ａ ｎ ｔ ａ ｇ ｅ ｏ ｆ ｇ ｒ ａ ｙ ｖ ａ ｌ ｕ ｅ ｏ ｆ ｔ ｈ ｅ ｃ ｏ ｒ ｎ ｅ ｌ ’ｐ ｏ ｉ ｎ ｔ ａ ｎ ｄ ｇ ｒ ａ ｙ ｖ ａ ｌ ｕ ｅ ａ ｒ ｏ ｕ ｎ ｄ ｔ ｈ ｅ ｃ ｏ ｒ ｎ ｅ ｒ ｐ ｏ ｉ ｎ ｔ ａ ｎ ｄ ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｔ ｏ ｍａ ｔ ｃ ｈ ．Ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｈ ｏ ｗｓ
摘 要 ：提 出 了 新 的 基 于 特 征 点 的 高 速 图 像 匹 配 算 法 。 该 算 法 把 角 点 特 征 和 灰 度 值 特 征 结 合 起
来， 定 义 了 一 种 基 于 Ｈａ ｒ ｒ ｉ ｓ角 点 的 灰 度 值 特 征 ， 并 充 分 利 用 角 点 灰 度 值 以 及 角 点 周 边 灰 度 值 和 位 置 信
基于Harris多尺度角点检测的图像配准新算法
了一种新的 Ｈ ｒｓ多尺度 角点检测算法。这样 ， ａｉ ｒ 使得 新的角点检 测可 以在 不同的尺度下获取 角点 ， 并克服 了单一尺度 的
Ｈ ｒｓ角 点检 测 可能 存 在 的 角 点信 息丢 失、 置 偏 移 和 易受 噪 而提 取 出伪 角点 等 问题 。然 后 根 据 角度 直 方 图得到 的 旋转 ａｉ ｒ 位 角度 ． 和提 取 的 以 角点 为 中心 的 特征 子 图 ， 义 了角 点 点对 的 时 齐度 。 定 最后 ， 用 最大 化 对 齐度 准 则 采精 确 地 确 定 角 点 匹 运
图像中角点提取与匹配算法
图像中角点提取与匹配算法角点提取与匹配算法是计算机视觉领域中的一项重要技术，用于在图像中寻找具有明显角度变化的特征点，并将这些特征点进行匹配。
这些算法在很多应用中都起到了关键作用，如图像配准、目标跟踪、三维重建等。
角点是图像中具有明显角度变化的点，它们在不同尺度和旋转下具有稳定性，因此可以用来作为图像的特征点。
在角点提取算法中，常用的方法有Harris角点检测算法、Shi-Tomasi角点检测算法、FAST角点检测算法等。
Harris角点检测算法是最早提出的角点检测算法之一，它通过计算图像中每个像素点周围区域的灰度变化来判断该点是否为角点。
具体来说，该算法计算每个像素点的特征值，通过特征值的大小来确定角点。
如果特征值较大，则该点为角点；反之，则该点为平坦区域或边缘。
Shi-Tomasi角点检测算法是对Harris角点检测算法的改进，它使用特征值中较小的一个来表示角点的稳定性，从而提高了检测的准确性和稳定性。
该算法首先计算每个像素点的特征值，然后选择特征值较小的一部分像素点作为角点。
FAST角点检测算法是一种高效的角点检测算法，它通过比较像素点周围的相邻像素点的灰度值来判断该点是否为角点。
该算法通过快速地检测像素点的灰度值变化来提高检测的速度，同时保持了较高的准确性。
在角点匹配算法中，常用的方法有基于特征描述子的匹配算法，如SIFT（尺度不变特征变换）算法、SURF（加速稳健特征）算法、ORB （Oriented FAST and Rotated BRIEF）算法等。
SIFT算法是一种基于尺度不变特征变换的特征描述子算法，它通过检测图像中的关键点，并计算每个关键点周围区域的特征描述子。
这些特征描述子具有尺度不变性和旋转不变性，因此可以用来进行图像匹配。
SURF算法是一种加速稳健特征算法，它通过使用快速哈尔小波变换来计算图像中的特征点，并使用加速积分图像来加速特征点的计算。
这些特征点具有尺度不变性和旋转不变性，可以用来进行图像匹配。
基于多尺度Harris角点检测的图像配准算法
基于多尺度Harris角点检测的图像配准算法
尚明姝;王克朝
【期刊名称】《电光与控制》
【年(卷),期】2024(31)1
【摘要】针对现有多尺度Harris算子算法较复杂、运算量大、精确性一般的问题,提出一种高效简便算法。
首先建立多尺度空间,令Harris算子在尺度空间提取特征点,用简化的32维SIFT特征向量描述特征。
利用最近邻法匹配特征点;然后采用改进的相似三角形法筛选匹配点,再使用改进的K-means算法对特征点分组,使组内特征点聚集,组间特征点远离;最后应用改进的RANSAC算法在不同组中选取特征点求变换矩阵,避免了选取的特征点距离过近,算法陷入局部最优。
实验验证了所提算法的性能。
【总页数】5页(P28-32)
【作者】尚明姝;王克朝
【作者单位】哈尔滨学院信息工程学院;哈尔滨工业大学计算机科学与技术学院【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于区域检测的多尺度Harris角点检测算法
2.基于Harris角点检测的图像配准新算法
3.基于Harris多尺度角点检测的图像配准新算法
4.基于小波变换多尺度Harris角点检测算法
5.基于改进型Harris尺度不变特征的图像配准算法研究
因版权原因，仅展示原文概要，查看原文内容请购买。
基于角点检测的自动点匹配算法
5. 张迁等,基于SUSAN算法的航空影像的自动配准, 测绘学报, 第32卷, 第3期, 2003年8月: 245-250.
6. Hu M K. Visual pattern recognition by moment invariants [J]. IRE Transactions on Inform Theory, Aug. 1962: 179-187.
Abstract For automatic registration of multi-spectral and multi-sensor remote sensing images, a new high accuracy point matching algorithm based on Harris corner detection is described in this paper. It makes full use of graphic point feature, gray-level pixel and location information. In the matching process, circular template is adopted to calculate similarity. Moreover, consistency checking method is used to make sure the matching accuracy... Experimental results on remote sensing image pairs with affine geometric transform showed that the algorithm could do accurate automatic matching and it outperforms traditional point matching algorithms both in accuracy and running speed.
完整版Harris角点检测算法编程步骤及示例演示
Harris 角点检测算法编程步骤及示例演示也不说那么多废话了，要介绍啥背景意义之类的，角点检测，顾名思义，就是检测角点，最简单的就是两条线的交点了，还有比如下国际象棋的棋盘格子的交点之类的，反正就是检测这些点。
简单将Harris 角点检测算法的思想说下，就是拿一个小窗在图像中移动，通过考察这个小窗口内图像灰度的平均变换值来确定角点。
1)如果窗口内区域图像的灰度值恒定，那么所有不同方向的偏移几乎不发生变化；2)如果窗口跨越一条边，那么沿着这条边的偏移几乎不发生变化，但是与边垂直的偏移会发生很大的变化；3)如果窗口包含一个孤立的点或者角点，那么所有不同方向的偏移会发生很大的变化。
面给出具体数学推导：设图像窗口平移量为( u,v) ,产生的灰度变化为E(u,v),有E(u,v)二sum[w(x,y)[l(x+u,y+v)-l(x,y)F2棋中w(x,y)为窗口函数, l(x+u,y+v为平移后的灰度值，l(x,y)为平移前的灰度值。
有泰勒公式展开可得：l(x+u,y+v)=l(x,y)+lx*u+ly*v+0(uA2,v八2);lx,ly分别为偏微分，在图像中为图像的方向导数因此E(u,v)=sum[w(x,y) [lx*u+ly*v+O(u八2,v八2)]八2],可以近似得到E(u,v)=sum[w(x,y) [lx*u+ly*v]^2],即E(u,v)二[u,v][lx八2,lx*ly;lx*ly,ly八2][u,v]T令M=[lx八2,lx*ly;lx*ly,ly八2]，因此最后对角点的检测成了对矩阵M的特征值的分析了，令M 其特征值为x1,x2;当x1>>x2或者x2>>x1，则检测到的是边缘部分;当x1,x2都很小，图像窗口在所有移动的方向上移动灰度级都无明显变化.当X1,X2都很大时且相当，检测到的是角点。
编程时用x1,x2不方便，因此定义角点响应函数；R二det(M)-k(trace(M))八2;其中det(M)为矩阵M的行列式，trace(M)为矩阵M的迹。
基于Harris和最佳缝合线的图像拼接算法
基于Harris和最佳缝合线的图像拼接算法摘要：图像拼接是图像处理技术的一个重要内容，是一种将多张有衔接重叠的图像拼成一张高分辨率图像的技术。
该技术广泛应用于显微图像分析、数字视频、运动分析、医学图像处理、虚拟现实技术和遥感图像处理等领域[1]。
本次方法探究是为满足不同形态的工件图像拼接要求，得到拼接影像量测工件尺寸，从而对图像拼接技术做深入探究，提出基于棋盘格标定板角点检测图像拼接的处理方法。
探究基于棋盘格标定板角点特征的图像拼接技术，利用RANSAC算法提高关键点匹配度，然后为消除拍摄角度产生的尺寸误差，对拍摄的图像进行透视变换，最后基于C++编程实验实现透视变换后两张图像拼接过程，实验结果证明了拼接方法的可行性及有效性。
关键词：特征检测匹配；RANSAC；最佳缝合线图像拼接；透视变换；0引言图像拼接是一个日益流行的研究领域，它已经成为照相绘图学、计算机视觉、图像处理和计算机图形学研究中的热点话题。
图像拼接所要解决的问题一般表现为通过对齐一系列的空间重叠图像构造一个无缝的高清晰度的图像，它具有比单个图像更高的分辨率和更大的视野[2]。
对于这些有重叠部分的图像，一边通过两种方法获得：一种是固定照相机的转轴，然后绕轴旋转所拍摄的照片；另一种是固定照相机的光心，水平摇动镜头所拍摄的照片[3]。
其中前者主要是用于远景或遥感图像的获取，后者主要用于显微图像的获取还有一种方法是针对于工件测量的拍摄方式，将相机放于工件上方水平移动拍摄，将拍摄的照片拼接起来。
它们共同的特点都是获得二维图像，但通常由于机械或者场景的不理想导致各衔接图像不能完全匹配，因此这给拼接图像环节带来了严重问题。
为此，本文就图像拼接出现的严重问题，为了满足不同形态的工件图像拼接要求，提高拼接的精度，提出一种基于棋盘格标定板角点检测特征匹配的拼接方法。
1 工件图像特征点检测完成高分辨率图像拼接的第一步是选择准确度较高的图片配准方法，这样才能找出图片中的关键点(即特征点)[4]。
harris角点检测算法步骤
harris角点检测算法步骤Harris角点检测算法步骤：一、引言Harris角点检测算法是计算机视觉中常用的角点检测算法之一。
它通过分析图像的局部灰度变化来寻找图像中的角点，被广泛应用于图像处理、物体识别、图像匹配等领域。
本文将介绍Harris角点检测算法的步骤及其原理。
二、灰度处理Harris角点检测算法首先需要将彩色图像转换为灰度图像，这是因为角点检测主要关注图像的灰度变化而非颜色信息。
通过将彩色图像的每个像素的RGB值加权平均，可以得到相应的灰度值。
三、计算梯度接下来，对灰度图像进行梯度计算。
梯度表示图像中的灰度变化，是图像中像素灰度值变化最快的方向。
通过对图像使用Sobel算子或其他梯度计算算法，可以计算出每个像素的梯度幅值和方向。
四、计算结构张量在Harris角点检测算法中，结构张量是一个重要的概念。
对于每个像素点，结构张量是一个2x2的矩阵，它描述了该像素点周围区域的灰度变化情况。
结构张量的计算公式包括对梯度幅值的平方、梯度幅值的乘积以及梯度方向的加权。
五、计算角点响应函数角点响应函数是Harris角点检测算法的核心。
它通过对结构张量进行特征值分解，得到每个像素点的角点响应值。
角点响应值的计算公式是通过特征值的乘积减去特征值的和，再乘以一个经验系数。
如果特征值的乘积较大，说明该像素点是角点。
六、非极大值抑制由于角点响应函数在角点处达到最大值，但在边缘和平坦区域也可能有较大值，为了提取出准确的角点，需要进行非极大值抑制。
在非极大值抑制过程中，对于每个像素点，比较其角点响应值与周围像素点的角点响应值，如果大于周围像素点的角点响应值，则保留，否则抑制。
七、阈值处理为了进一步提取出准确的角点，可以根据角点响应值设置一个阈值。
只有角点响应值大于阈值的像素点才被认为是角点。
阈值的选择是一个关键问题，需要根据具体应用场景和图像特点进行调整。
八、角点标记最后一步是将检测到的角点在原始图像上进行标记。
harris角点检测算法原理
harris角点检测算法原理Harris角点检测算法原理引言：角点检测是计算机视觉中一项重要的任务，它可以帮助计算机识别和跟踪图像中的角点特征。
Harris角点检测算法是一种经典的角点检测方法，它通过计算图像中像素点的角点响应函数来确定角点的位置。
一、角点的定义和特点角点是图像中突然变化的区域，其特点是在多个方向上都具有较大的灰度变化。
由于角点在图像中具有明显的特征，因此检测角点可以帮助计算机识别和跟踪物体。
二、角点响应函数Harris角点检测算法通过计算每个像素点的角点响应函数来确定是否为角点。
角点响应函数的计算公式如下：R = det(M) - k * trace^2(M)其中，M是一个2×2的矩阵，表示像素点附近的灰度变化情况。
det(M)表示矩阵M的行列式，trace(M)表示矩阵M的迹，k是一个常数。
三、角点响应函数的计算步骤1. 图像梯度计算：首先，对图像进行梯度计算，得到每个像素点的梯度幅值和梯度方向。
2. 构建自相关矩阵：对于每个像素点，根据其周围像素点的梯度幅值和梯度方向，构建一个2×2的自相关矩阵M。
3. 计算角点响应函数：根据自相关矩阵M的行列式和迹，计算角点响应函数R。
4. 阈值化和非极大值抑制：对于每个像素点，根据角点响应函数的值，进行阈值化操作，并对超过阈值的像素点进行非极大值抑制。
四、Harris角点检测算法的优缺点1. 优点：（1）计算简单：Harris角点检测算法的计算量相对较小，适合在实时应用中使用。
（2）稳定性好：Harris角点检测算法对图像的旋转、缩放和亮度变化具有较好的稳定性。
（3）可靠性高：Harris角点检测算法在各种场景下都能够较为准确地检测到角点。
2. 缺点：（1）对噪声敏感：Harris角点检测算法对噪声比较敏感，噪声会影响角点的检测结果。
（2）对尺度变化不敏感：Harris角点检测算法对于图像的尺度变化比较不敏感，可能会漏检或误检角点。
基于Harris角点检测的改进算法研究
基于Harris角点检测的改进算法研究徐振武;徐志京【摘要】经典的Harris算法在提取图像的角点上具有计算简单、适应性强等优势,但该方法由于人为设定单一阈值,容易出现伪角点、漏检点及运行速度不理想等现象.针对这一情况,文章在传统Harris算法基础上提出一种新的检测方法,采用多阈值的圆形非极大值抑制法提取角点,以此降低算法检测时间并增强图像旋转不变性,再借鉴SUSAN思想消去大部分伪角点.通过实验对比,该算法具有更好的角点检测性,为后期的图像配准奠定了良好的基础.【期刊名称】《微型机与应用》【年(卷),期】2016(035)013【总页数】4页(P15-18)【关键词】Harris角点检测;圆形区域;多阈值;SUSAN算法【作者】徐振武;徐志京【作者单位】上海海事大学信息工程学院,上海201306;上海海事大学信息工程学院,上海201306【正文语种】中文【中图分类】TP391引用格式：徐振武，徐志京. 基于Harris角点检测的改进算法研究[J].微型机与应用，2016,35(13)：15-18.随着近代计算机的迅速发展，人们为了获取更高像素更宽视角的图像以作科学研究，图像拼接逐渐成为了计算机各领域的研究热点[1-2]。
图像蕴含有丰富的信息特征，其中角点特征是图像拼接领域的主要技术指标，业界对角点没有统一定义，一般被认为是图像像素点亮度发生了剧烈改变或边缘曲线曲率极大值的点[3]，它能以极少的数据量来表现图像的整体信息，这有利于图像处理的速度与精度。
角点检测方法在图像拼接中的配准、融合、定位等方面起着重要作用，其提取的好坏决定图像拼接的质量结果。
适量恰当的正确角点在图像拼接过程中可增强图像的抗噪性和图像形变的适应能力，有利于图像的后续匹配,使得实时处理成为可能。
目前角点的检测方法大致分两种：基于图像边缘特征的角点检测, 该算法依赖于图像边缘特征[4]，提取边缘信息而求得角点，但算法定位精度差，对噪声敏感；基于图像灰度的角点检测，该方法依赖于像素点的曲率与梯度值信息。
基于Harris角点的KLT跟踪红外图像配准的硬件实现
Ｈａ ｒ ｄｗａ ｒ ｅ Ｉ ｍ ｐｌ ｅ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｉ ｎ ｆ ｒ ａ ｒ ｅ ｄ Ｉ ｍａ ｇ ｅ Ｒｅ ｇ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ Ｂａ ｓ ｅ ｄ ｏ ｎ ｔ ｈｅ Ｈａ ｒ ｒ ｉ ｓ Ｃｏ ｒ ｎｅ ｒ ｏ ｆ Ｋ ＬＴ Ｔｒ ａ ｃ ｋ ｉ ｎ ｇ
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｓ ｏ ｌ ｖ ｅ ｔ ｈ ｅ ｉ ｎ ｒａ ｆ ｒ ｅ ｄ ｉ ｍａ ｇ ｅ ｒ ｅ ｇ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｏ ｆ ｔ ｈ ｅ ｉ ｎ ｆ ｒ ａ ｒ ｅ ｄ ｓ ｅ ｅ ｋ ｉ ｎ ｇ ａ ｎ ｄ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｇ ｓ ｙ ｓ ｔ ｅ ｍ， ａ ｌ ｌ ｉ ｎ ｆ ｒ ａ ｒ ｅ ｄ ｉ ｍａ ｇ ｅ ｒ ｅ ｇ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍ ｗｈ ｉ ｃ ｈ ｉ ｓ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ Ｈａ ｒｉ ｓ ｃ ｏ ｍｅ ｒ ｏ ｆ ＫＬ Ｔ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｇ ｉ ｓ ｐ ｕ ｔ
第３ ５ 卷 第１ ０期 ２ ０ １ ３年 １ ０月
红 外 技 术
Ｉ ｎ ｆ ｒ ａ ｒ ｅ ｄ Ｔ ｅ ｃ ｈ ｎ ｌ ｏ ｇ ｙ
、 ， ｏｌ ＿ ３ ５ ＮＯ ． １ ０ ０ｃ ｔ ． ２ ０１ ３
＜ 图像处理与仿真 ＞
基 于 Ｈａ ｒ ｒ ｉ ｓ 角点 的 Ｋ Ｌ Ｔ 跟 踪 红 外 图像 配 准 的硬 件 实 现
一种改进的Harris角点图像拼接算法
Ｉ ｍ ｒ ｏ ｖ ｅ ｄ Ｉ ｍ ａ ｅ Ｍ ｏ ｓ ａ ｉ ｃ Ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ Ｂ ａ ｓ ｅ ｄ ｏ ｎ Ｈ ａ ｒ ｒ ｉ ｓ Ｃ ｏ ｒ ｎ ｅ ｒ ｐ ｇ ｇ
Ｑ Ｉ Ｕ Ｇ ｕ ｏ ｉ ｎ Ｅ ＮＧ Ｈ ａ ｎ ｉ ｎ Ｉ ＡＮＧ Ｔ ｉ ａ ｎ ｕ ｅ Ｌ ｅ ｆ ｅ ｉ － Ｆ － Ｊ － ＴＵ － ｑ ｇ ｑ ｇ ｙ
， Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｓ ｏ ｌ ｖ ｅ ｉ ｍ ａ ｅ ｍ ｏ ｓ ａ ｉ ｃ ｏ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｒ ｏ ｂ ｌ ｅ ｍ ｓ ａ ｎ ｏ ｖ ｅ ｌ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｓ ｒ ｏ ｏ ｓ ｅ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｇ ｐ ｐ ｐ ｇ ｐ ｐ Ｈ ａ ｒ ｒ ｉ ｓ ｖ ｅ ｒ ｔ ｅ ｘ ｅ ｘ ａ ｍ ｉ ｎ ａ ｔ ｉ ｏ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ． Ｔ ｈ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ａ ｖ ｏ ｉ ｄ ｓ ｔ ｈ ｅ ａ ｆ ｆ ｅ ｃ ｔ ｉ ｎ ｏ ｆ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｎ ｋｉ ｎ ｒ ｏ ｏ ｓ ｅ ｄ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｇ ｙ ｇ ｇ ｐ ｐ ， ｔ ｈ ｅ ｃ ｏ ｒ ｎ ｅ ｒ ｒ ｅ ｓ ｏ ｎ ｓ ｅ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｔ ｈ ｅ ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ Ｔｉ ｎ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｔ ｈ ｅ ｏ ｆ ｉ ｍ ａ ｅ ｍ ｏ ｓ ａ ｉ ｃ ｉ ｍ ａ ｅ ｒ ｅ ｉ ｓ ｒ ｏ ｃ ｅ ｓ ｓ ． Ｄ ｕ ｒ ｉ ｎ ｒ ｏ ｃ ｅ ｓ ｓ － ｐ ｇ ｇ ｇ ｐ ｇ ｐ ｔ ｒ ａ ｔ ｉ ｏ ｎ ｗ ａ ｓ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ｂ Ｎ Ｃ Ｃ． Ａ ｎ ｄ ｔ ｈ ｅ ｍ ｅ ａ ｎ ｍ ｅ ｔ ｈ ｏ ｄ ｗ ａ ｓ ｕ ｓ ｅ ｄ ｔ ｏ ｆ ｕ ｓ ｅ ｓ ｌ ｉ ｃ ｅ ｄ ｉ ｍ ａ ｅ ｓ ａ ｎ ｄ ｅ ｌ ｉ ｍ ｉ ｎ ａ ｔ ｅ ｓ ｔ ｉ ｔ ｃ ｈ ｉ ｎ ａ ｓ ． Ｉ ｎ ｏ ｒ － ｐ ｙ ｐ ｇ ｇ ｇ ｐ ， ｒ ｏ ｏ ｓ ｅ ｄ ｄ ｅ ｒ ｔ ｏ ｖ ｅ ｒ ｉ ｆ ｔ ｈ ｅ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｎ ｅ ｓ ｓ ｔ ｈ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｗ ａ ｓ ｅ ｖ ａ ｌ ｕ ａ ｔ ｅ ｄ ｉ ｎ ａ ｎ ｅ ｘ ａ ｍ ｌ ｅ ｏ ｆ ｉ ｍ ａ ｅ ｍ ｏ ｓ ａ ｉ ｃ ． Ｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｐ ｐ ｙ ｇ ｐ ｇ ， ｒ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｉ ｓ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｎ ｃ ｒ ｅ ａ ｓ ｅ ｓ ｔ ｈ ｅ ａ ｎ ｄ ｔ ｈ ｅ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｏ ｆ ｉ ｍ ａ ｅ ｍ ｏ ｓ ａ ｉ ｃ ． Ｃ ｏ ｎ ｓ ｅ ｕ ｅ ｎ ｔ ｌ ｔ ｈ ｉ ｓ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｃ ａ ｎ ｅ ｆ － ｐ ｇ ｙ ｇ ｑ ｙ ｇ ｆ ｉ ｃ ｉ ｅ ｎ ｔ ｌ ａ ｃ ｈ ｉ ｅ ｖ ｅ ａ ｏ ａ ｌ ｏ ｆ ｓ ｅ ａ ｍ ｌ ｅ ｓ ｓ ｍ ｏ ｓ ａ ｉ ｃ ａ ｎ ｄ ｓ ａ ｔ ｉ ｓ ｆ ｔ ｈ ｅ ａ ｃ ｔ ｕ ａ ｌ ｄ ｅ ｍ ａ ｎ ｄ ． ｙ ｇ ｙ ， ， ， ， Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ａ ｒ ｒ ｉ ｓ ｃ ｏ ｒ ｎ ｅ ｒ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ Ｉ ｍ ａ ｅ ｍ ｏ ｓ ａ ｉ ｃ Ｉ ｍ ａ ｅ ｒ ｅ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ Ｗ ｅ ｉ ｈ ｔ ｅ ｄ ａ ｖ ｅ ｒ ａ ｅ Ｉ ｍ ａ ｅ ｆ ｕ ｓ ｉ ｏ ｎ Ｈ ｇ ｇ ｇ ｇ ｇ ｇ ｙ 首先对传统的角点 种基于 Ｈ ａ ｒ ｒ ｉ ｓ角点检测的改进拼 接 算 法 ， 响应函数进行了改进 ， 避免以往由 ｋ 的选取而造成的误 差 ； 其 避免人为选 次提出了一种适用于 图 像 拼 接 的 自 适 应 阈 值 Ｔ， 取的弊端 ， 同时 对 图 像 的 配 准 进 行 优 化， 有效剔除了伪配准 点； 最后将改进后的 Ｈ ａ ｒ ｒ ｉ ｓ角点检 测 算 法 成 功 地 应 用 于 图 像
毕业设计(论文)图像配准技术方法研究
图像配准技术方法研究摘要随着信息技术的迅猛发展，图像配准技术已经在军事、遥感、医学、计算机视觉等多个领域得到了广泛的应用。
图像配准技术是图像处理的一个基本问题，它是将不同时间、传感器或视角下获取的相同场景的多幅图像进行匹配的图像处理的过程。
三类图像配准的方法大致如下：基于灰度的图像配准方法。
基于变换域的图像配准方法。
基于特征的图像配准方法。
本文将应用这三种方法对图像配准进行研究。
并重点研究基于特征的图像配准方法。
关键词图像配准，特征点匹配，灰度插值，控制点的提取AbstractThe technology of image registration is being widely used in the military, remote sensing , medical, computer, visual and any other fields with the rapid development of information technology. The technology of image registration is a kind of process to match different pictures getting from different periods and different cameras but a same scene, it is a basic point to handle the pictures. There are three kinds of ways to do the image registration:According to the level of the color of gray getting from the pictures.According to transforming domains.According to the features The three kinds of ways will be used to discuss the image registration in the thesis, and the way according to the features will be discussed more in the thesis.Key words: Image registration, Match feature points, Gray inerpolation ,Collect the control points目录1.绪论 (1)课题研究目的及意义 (1)国内外对本课题涉及问题的研究现状 (1)2.研究方法与研究内容 (3)研究内容 (3)研究方法 (3)3.图像配准的常用方法 (4)图像配准的定义 (4)3.2基于灰度的图像配准方法 (5)3.3基于变换域的图像配准方法 (6)基于特征的图像配准方法 (8)特征提取 (8)变换模型 (10)坐标变换与插值 (13)图像配准实现 (17)4.实验设计及分析 (18)4.1图像配准实验一 (18)研究对象 (18)4.1.2 过程实现 (19)4.2图像配准实验二 (24)研究对象 (24)过程实现 (25)实验总结 (34)参考文献 (35)致谢 (36)附录 (37)课题研究目的及意义图像配准是遥感图像处理、目标识别、图像重建、机器人视觉等领域中的关键技术，是多传感图像融合的基础。
基于Harris的角点匹配算法研究
ｐ ｒ ｎ ｔ ｈ ｎ ｏ ｒ ．Ｔ ｅ ｅ ｐ ｒ ｎ ａ ｅ ｕ ｔ ｈ ｗ ｔ ａ ｅｃ ｕ ｔ ｒ ｇ ｍｅ ｈ ｄ ｉ ｓ ｐ ｒ ｒ ｏ ｔ ｅ ｐ ｒ ｌｘ Ｇｒ ｄ ｅ ｔ ｏ ｓｒ ｉ ｔ ｕ ｒ ｇ ｍａｃ ｉ ｇ ｃ ｍｅ ｓ ｈ ｘ ｅ ｍｅ ｔｌｒ ｓ ｌ ｓ ｏ ｔ ｈ ｌ ｓｅ ｎ ｔ ｏ ｓ ｕ ｅ ｏ ａ ａ ａ ａ ｉ ｎ ｎ ｔ ｎ ｉ ｉ ｓ ｈ ｔ ｉ ｉ ｔ ｈ ｌ ｃ ａ
Ａｂ ｔ ａ ｔ Ｔ ｉ ｐ ｐ ｒ ｒ ｐ ｓ ｓａ ｍｅｈ ｄ ｔ ｘｒ ｃ ｏ ｌ ｒ ｏ ｔ ｅ ｉ ｇ ｙ ｔｅ Ｈａｒ ｌ ｏ ｔ ｍ，ａ ｄ ｇ ｔ ｒ ｕ ｈ ｍａｃ ｅ ｏ ｒ ｓ ｒ ｃ ： ｈ ｓ ａ ｅ ｏ ｏ ｅ ｔ ｏ ｏ ｅ ｔ ｔ Ｆ ｅ８ ｆ ｍ ｈ ｍａ ｅ ｂ ｒｉ ａｇ ｒ ｈ ｐ ａ ｃ ｌ ｒ ｈ ｓ ｉ ｎ ｅｓ ｏ ｇ ｔｈ ｄ ｃ ｍｅ
２ １ 年第 １ 期 ０１ １
文 章 编 号 ：０ ６ ７ （０ ） ０ ７ －４ １０ ￣４５ ２ １ １－０ ８０ １ １
计 算 机 与 现 代 化 ＪＳ Ａ Ｊ Ｙ Ｉ Ｎ Ａ ＨＵ ＩＵ Ｎ Ｉ Ｕ Ｘ Ａ Ｄ Ｉ Ａ
总第 １５期 ９
基 于 Ｈ ｒｓ ａ ｉ 的角 点 匹 配算 法研 究 ｒ
１ 角 点 检 测
根据实现方法不同， 角点检测方法大体有两种思 路， 一是直接基 于灰度 ， 二是先检测边缘 ， 后通过计算 弧度的局部极大值得到角点 。目前大多数角点检测 方 法都是 基 于边缘 的角点检测 ， 该方 法把 角点定 义 在 图像 的边 缘 上 ， 过对 边缘 的特征进 行分析 来提 取 角 通
张 勇， 余建平 ， 孙军伟 ， 金 铁
（ 军事经济学 院襄樊分院 ， 湖北 襄阳 ４ ｌ１ ） ４ １８ 摘要 ： 采用 Ｈ ｒｓ ａ ｉ 算法提取 图像 中的角点 ， ｒ 通过相似测度得 到粗 匹配点集 ， 然后分析 比较顸提 纯 匹配点的 简单聚 类法和
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要图像配准现在已成为数字图像处理的研究热点，方法繁多，站在时代的前沿。
图像配准多采用基于图像特征点的方法，这种方法易于用计算机处理并且容易实现人机交互，其重点在于如何提取图像上的有效特征点。
对图像拼接技术的目的、意义、国内外研究现状、发展方向以及本课题研究的目的和意义进行了阐述，着重介绍了图像拼接过程的核心技术——图像配准。
阐明了现有配准方法的工作原理，并对常用的各种经典算法的优点和不足进行了比较总结。
针对基于特征的角点检测算法，详细介绍了Harris 角点检测算法。
利用MATLAB7.0软件编程，实现图像的角点检测、图像配准以及图像拼接，并且设计精美的图形用户界面(GUI)，以演示最后的结果。
仿真结果证明：Harris算子具有较好的抗干扰能力，实现算法简单，易于编程，实现图像拼接具有较高的稳定性和鲁棒性，而且在图像存在灰度变化、旋转以及噪声等情况下，可以对特征点进行较好的提取，使角点检测的误检率低并且匹配效率高。
关键词：图像拼接技术；图像配准；Harris角点检测算法；MATLAB 7.0AbstractImage registration is now a research focus in the digital image processing, has many kinds of methods, and keeping pace with the times. Image registration is based on the method of image feature points. This method is easy to use computer to handle and easy to realize human-machine interaction, and the focus is to how to extract image of characteristic points on effective.Elaborating image mosaicing technique for the purpose, significance, the domestic and foreign research present situation, development direction and the subject of the purpose and significance of the study, introducing the core technology of the image matching processing--Image registration.Expounding the existing registration method working principles, comparing and summaring advantages and disadvantages of all kinds of commonly used classical algorithms. Based on characteristics of the corner detection algorithm, introducing the Harris corner detection algorithm in detail. Use of MATLAB 7.0 software programming, realize image corner detection, image registration and image mosaicing, and elegant design graphical user interface (GUI), to demonstrate the final results.The simulation results prove that: Harris operator has a better adaptability, algorithm is simple and easy to program, realize image mosaicing with high stability and robustness,extract feature points well in the image with gray-scale changing, rotate existing noise and so on,and make corner detection by low mistake examining rate and high efficiency matching.Key words：Image mosaicing technique；Image registration；Harris corner detection algorithm；MATLAB 7.0目录第1章概述 (1)1.1 图像拼接技术的定义和目的 (1)1.2 图像拼接的意义 (1)1.3 图像拼接的现状及发展动向 (1)1.4 图像拼接的流程 (2)1.5 本设计的研究目的及意义 (2)第2章角点检测及MATLAB实现 (2)2.1 角点定义 (3)2.2 常用角点检测的算法 (3)2.3 常用角点检测算法比较 (6)2.4Harris角点检测的MATLAB实现 (7)2.5 本章小结 (8)第3章图像配准与拼接算法研究 (9)3.1 图像配准的方法 (9)3.2 图像配准的原理 (11)3.3 图像配准的MATLAB实现 (11)3.4 图像拼接的原理 (12)3.5 图像拼接的MATLAB实现 (12)3.6 本章小结 (13)第4章图像拼接技术的GUI设计 (14)4.1MATLAB的主要功能 (14)4.2GUI界面定义 (15)4.3 可视化图形用户界面设计 (16)4.4 图像拼接的GUI设计实现 (19)4.5 本章小结 (20)结论 (21)参考文献 (22)致谢 .............................................................................................. 错误!未定义书签。
附录 (23)第1章概述1.1图像拼接技术的定义和目的随着计算机在各个领域的广泛应用，为了得到宽视角、高分辨率图像，图像拼接技术逐渐成为计算机图形学、计算机视觉、模式识别等领域的研究热点，得到越来越多人的关注。
图像拼接技术就是将数张有重叠部分的小视角图像(可能是不同时间、不同视角或者不同传感器获得的)拼成一幅宽视角的无缝高分辨率图像，满足人们在各个领域研究的需要的技术。
图像拼接技术为图像降噪、视场(Field of View)扩展、模糊消除(Blur Removing)、空间解析(Spatial Resolution)和去除运动物体的动态范围(Dynamic Range)提供了可能性。
1.2图像拼接的意义图像配准是图像融合的基础，而且图像配准算法的计算量一般非常大，因此图像拼接技术的发展很大程度上取决于图像配准技术的创新。
目前，图像拼接技术研究的一个重要意义就是使我们能够利用廉价的成像设备采集图像，而后利用图像处理算法对图像失真进行校正，并完成图像的自动拼接，这样就解决了图像在高分辨率和宽视野二者之间的矛盾，使我们利用普通数码相机和计算机就能得到所需的图像。
1.3图像拼接的现状及发展动向在国内，图像拼接技术研究虽然起步相对较晚，但发展迅速。
1997 年王晓睿等人，提出一种应用于图像高精度配准的自动图像配准算法，把互相关系数作为相似测度来进行配准，但实际上只是一种半自动的配准方法[1]。
2002 年，针对动态全景图像拼接，由杜威、李华两人提出了一种应用于动态场景的全景图表示方法，可以将视频纹理和全景图结合起来，构造出动态全景图[2]。
2005 年，侯舒维，郭宝龙提出了一种图像自动拼接的快速算法，改进了现有基于灰度级相似的图像拼接方法[3]。
2007 年，尹丽华、安居白、夏妍妍，提出基于特征点匹配的图像拼接算法，能够得到较理想的拼接结果[4]。
2008 年，高健、黄心汉、彭刚、王敏、吴祖玉撰写的基于Harris 角点和高斯差分的特征点提取算法，这种算法使整个图像拼接过程的准确性和实时性两方面都达到了明显的改善。
随着人们对图像拼接算法研究的深入，逐渐将稀疏分解矩阵引入图像拼接领域[5]。
2007年，葛仕明、程义民、曾丹、何兵兵提出的基于稀疏特征匹配和变形传播的无缝拼接，在该领域取得了巨大突破[6]。
1.4 图像拼接的流程图像拼接的方法很多，不同的算法步骤会有一定差异，但大致的过程是相同的。
一般说来，图像拼接技术，按其工作流程主要分为三个部分：图像预处理，图像配准和图像线性插值拼接。
其中图像配准是整个图像拼接技术的核心部分，直接决定了图像拼接结果的好坏。
图像预处理是图像拼接技术的第一步，在进行图像采集时，往往不能保证摄像设备始终保持同一角度和方向、光线的不同也会造成采集图像灰度差异大等问题，图像预处理主要完成对待拼接图像进行几何畸变的校正，包括去除噪声、边缘提取、直方图处理等图像处理的基本操作、建立图像的匹配模板，以及对待处理图像进行傅立叶变换、小波变换、稀疏分解等操作。
图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息中寻找最佳的匹配，图像配准是整个图像拼接技术的核心。
图1-1 图像拼接流程图1.5 本设计的研究目的及意义图像匹配是计算机视觉研究领域中热点问题，也是视觉理论和应用的基础，基于Harris角点匹配算法与基于模板等其他的匹配拼接算法相比，在没有增加计算量的基础上提高了匹配速度和精度，同时对亮度差异的抗干扰能力有一定增强。
因此，实现精确、稳定、快速图像匹配算法有利于对视觉信息后续处理研究。
第2章 角点检测及MATLAB 实现2.1 角点定义图像匹配的算子，主要是用来提取两幅配准图像中的角点。
角点，又称为兴趣点，是像素点在其邻域内的各个方向上灰度变化量足够大的点，且大于阈值的点。
它是一种重要的图像特征点，包含了图像中丰富的二维结构信息，广泛应用于各种图像处理技术中。
角点最大的优点是：它所代表的局部结构关系信息不会因为视角的不同而改变，这在三维物体识别上很有用。
此外，角点特征也常用在汉字识别，染色体识别等应用系统中。
2.2 常用角点检测的算法2.2.1 Harris 算子Harris 算子是Harris 和Stephens 提出的一种基于信号的角点特征提取的算子。