针对SURF(Speeded Up Robust Features)算法在图像拼接过程中配准精度低和运算复杂度较高的问题,提出了一种基于SURF分割圆形区域的图像拼接方法。首先,对图像进行特征点的检测和提取过程中,在传统SURF算法的基础上采用了分割圆形区域...针对SURF(Speeded Up Robust Features)算法在图像拼接过程中配准精度低和运算复杂度较高的问题,提出了一种基于SURF分割圆形区域的图像拼接方法。首先,对图像进行特征点的检测和提取过程中,在传统SURF算法的基础上采用了分割圆形区域提取描述符;接着,计算了区域归一化的灰度均值和韦伯局部描述细节信息,形成新的描述符;然后,通过改进的RANSAC(Random Sample Consensus)算法对每个模块的误匹配点进行消除,得到精确的匹配特征点。实验结果表明,相较基于改进的SURF算法的图像拼接,该方法匹配正确率平均提高了6.05%,拼接时间平均减少了24.47%,匹配速度和效果有了较大提升,基本满足图像拼接速度快、精准度高、稳定可靠等要求。展开更多