基于二次匹配的图像拼接质量提升算法

针对SIFT算法在弱纹理图像上提取特征点困难和DOG中高组图像提取特征点数量少,导致图像拼接质量不理想的问题,提出了基于二次匹配的图像拼接质量提升算法。首先,建立简易高斯金字塔,并在简易高斯金字塔中提取特征点时,改变了DOG中高组图像的特征点提取的邻域阈值。然后,对提取的特征点进行匹配,以确定图像间的尺度关系、主副调整组。最后,通过公式推导得出DOG中特征点的分布情况,调整主副调整组的特征点提取数量,以完成图像的拼接。实验结果显示与SIFT和改进的算法相比,提出的算法获得了最好的拼接质量,相比于SIFT算法,提出的算法的SSIM和PSNR分别提升了19.39%和15.65%,提出的算法有效地提升了图像的拼接质量。因此,该算法在图像高质量拼接领域具备一定的参考价值。