学习笔记 4 — 图像拼接【Image Panoramic Mosaic】

一、图像拼接概念

  全景图像拼接是指将同一场景中具有重叠区域的多幅图像进行缝合,最后构成一幅宽视野大幅图像的图像处理过程,它在无人机连续图像拍摄监控、遥感图像信息处理、航空军事侦察、大面积城市广场管控等领域都有重要应用。、
  首先以两幅图像的拼接入手,以SIFT(Scale Invariant Feature Transformation)为特征点主要研究特征点的快速匹配策略,再通过RANSAC算法减少误匹配出现的次数等策略进行改进。

二、主要原理介绍

  在进行图像拼接时，首先要解决的是找到图像之间的匹配的对应点。之前采用了SIFT算法来实现特征点的匹配，因为SIFT算子具有很强稳健性的描述算子，能够比其他描述算子，例如Harris角点，产生更少的错误匹配，但是该方法还没达到完美状态。

  SIFT算法的具体内容参照之前的文章：SIFT算法详解。非完美的情况下，我们仍然需要用一种算法对SIFT算法产生的特征描述符进行剔除误匹配点，而RANSAN就是可以剔除错误匹配点的算法。

1）RANSAC算法

 RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(outliers，偏离正常范围很远、无法适应数学模型的数据)，即数据集中含有噪声，合理的模型应该能够在描述正确数据点的同时摒弃噪声点。

 一个简单的例子是从一组观测数据中找出合适的2维直线。假设观测数据中包含局内点和局外点，其中局内点近似的被直线所通过，而局外点远离于直线。简单的最小二乘法不能找到适应于局内点的直线，原因是最小二乘法尽量去适应包括局外点在内的所有点。相反，RANSAC能得出一个仅仅用局内点计算出模型，并且概率还足够高。但是，RANSAC并不能保证结果一定正确，为了保证算法有足够高的合理概率，我们必须小心的选择算法的参数。