基于Shi-Tomas和RootSIFT的多尺度曲率特征图像拼接算法
来源：电子测量技术杂志2024年第14期北京时间：
作者：李英浩，牛少彰，郝启贤，安洪旭
单位：1.北京邮电大学理学院 北京 100876; 2.北京邮电大学计算机学院 北京 100876; 3.东南数字经济发展研究院 衢州 324000
摘要：全景拼接或视频融合等技术应用于室外环境时，往往有复杂的场景和光照条件，导致算法的关键点检测能力下降。曲率是一种描述图像边缘的稳定数学特征，对于复杂场景和光照具有良好稳定性。本文深入研究图像拼接中多尺度曲率特征的提取和SIFT算子的Hellinger核变换，提出一种基于Shi-Tomasi和RootSIFT的多尺度曲率特征图像拼接算法。首先，对高斯模糊预处理的图像利用多尺度ShiTomasi可以提取不同分辨率下光照稳定的关键点，使算法更适用于处理复杂环境；其次，经过Hellinger 核变换的RootSIFT可以强化多尺度特征提取的过程，使其在欧式距离更加鲁棒，能更好应对光照和噪声的变化；另外，FLANN快速匹配在处理大规模数据时具有较高的效率；最后在变换估计上，RANSAC的改进算法PROSAC可以进一步提升拼接的速度和质量。检测性能实验结果表明，本文算法可以更精准地检测图像的边缘曲率信息，特征检测能力相比原始SIFT算法提高51%，相比单一尺度算法提高182%；而多尺度参数组的对比结果表明，算法可以实现进一步调优，综合提升检测能力和实时性能，具备良好的适应性。
关键词：曲率特征;Shi-Tomasi;RootSIFT;多尺度;图像拼接
基金资助：国家自然科学基金（61370195）项目资助
