在图像拼接过程中,使用固定阈值的旋转不变性二进制描述(Oriented fast and rotated brief,ORB)算法检测出的特征点在特征匹配阶段会产生较多误匹配,从而导致拼接的图像在拼接缝处产生重影。针对此问题,提出一种基于改进ORB的图像拼接...在图像拼接过程中,使用固定阈值的旋转不变性二进制描述(Oriented fast and rotated brief,ORB)算法检测出的特征点在特征匹配阶段会产生较多误匹配,从而导致拼接的图像在拼接缝处产生重影。针对此问题,提出一种基于改进ORB的图像拼接算法。首先,使用自适应算法将ORB的固定阈值替换为动态阈值对特征点进行检测;然后,使用K近邻(K-nearest neighbor,KNN)算法进行特征点粗匹配,再用随机抽样一致性(Random sampling consensus,RANSAC)算法对特征点进行精匹配;最后,通过最佳缝合线法和渐入渐出法对图像进行拼接。实验结果表明,相较于传统的ORB算法,利用所提出的算法时所需的特征点检测时间、匹配时间明显减少,匹配正确率明显提高,拼接缝重影被有效消除。展开更多
文摘在图像拼接过程中,使用固定阈值的旋转不变性二进制描述(Oriented fast and rotated brief,ORB)算法检测出的特征点在特征匹配阶段会产生较多误匹配,从而导致拼接的图像在拼接缝处产生重影。针对此问题,提出一种基于改进ORB的图像拼接算法。首先,使用自适应算法将ORB的固定阈值替换为动态阈值对特征点进行检测;然后,使用K近邻(K-nearest neighbor,KNN)算法进行特征点粗匹配,再用随机抽样一致性(Random sampling consensus,RANSAC)算法对特征点进行精匹配;最后,通过最佳缝合线法和渐入渐出法对图像进行拼接。实验结果表明,相较于传统的ORB算法,利用所提出的算法时所需的特征点检测时间、匹配时间明显减少,匹配正确率明显提高,拼接缝重影被有效消除。
