多尺度SIFT特征匹配的足迹图像拼接方法

杨安园，朱悦云

（开封大学 机械与汽车工程学院，河南 开封 475000）

多尺度SIFT特征匹配的足迹图像拼接方法

杨安园，朱悦云

（开封大学 机械与汽车工程学院，河南 开封 475000）

为了增强图像细节、提高匹配精度，提出了一种基于小波变换的多尺度SIFT特征匹配的足迹图像拼接方法。该方法对预处理的图像进行小波变换，把低频系数设为零，高频系数进行阈值调整并反变换后，再利用对于尺度具有鲁棒性的SIFT算法对处理后的图像进行特征点的提取与匹配。对于粗匹配产生的误匹配对，应用随机抽样一致性算法（RANSAC）进行筛选，并通过与原始图像的拼接作比较显示该方法的优越性。实验结果证明该方法使图像细节更为清晰，提高了匹配精度，而且较原始方法有一定程度的提高。

足迹；小波变换；图像拼接；SIFT特征点；随机抽样一致算法

针对公安机关对于现场足迹图像串并案的需求,图像拼接对于足迹分析比对系统具有十分重要的意义。由于图像稳定精确拼接算法的实现难，需要对相机的拍摄角度位置，光圈焦距等摄像参数进行精确校准，难以满足现场取证的需要。采用SIFT特征匹配算法，虽然对旋转、尺度缩放、光照视角变化等因素保持一定鲁棒性，低重叠区、部分遮挡和噪声等因素也保持较好的可匹配性，但仍存在误匹配。针对足迹分析比对系统中对多分辨率、高配准率要求，文章介绍一种基于小波变换和SIFT特征匹配的足迹图像拼接方法。该方法不仅能使图像噪声降到最低，细节有所增加，而且保留了SIFT特征匹配算法的优点，提高了匹配精度。

1 基于小波变换的方向性和边缘检测

文章选择双正交小波基，Biorthogonal小波系中的bior6.8对足迹图像进行小波分解。其算法如下：

（1）用bior6.8对足迹图像进行2层分解，得到近视和细节系数；对分解得到的低频系数设置为0。

（2）用方程式（1）对高频系数进行非线性增强：

式中：fhc、ghc分别为调整前、后的高频系数，K为增强因子，T1、T2为阈值，B为背景值，F为前景值。

（3）计算反变换并对取绝对值，得到增强后图像。

2 SIFT特征匹配

图像的尺度空可表示为二维图像与一个可变尺度的高斯函数卷积运算。高斯金字塔中相邻尺度空间函数相减，可得到高斯差分金字塔。为检测极值，样本像素点要与相邻的26个像素点进行比较。利用关键点邻域像素的梯度方向分布特征为每个关键点指定方向参数。直方图中主峰值所对应方向为特征点主方向，主峰值80%的局部峰值为该点辅方向。在小区域内计算8个方向的梯度方向直方图，然后在下一个2×2的区域内进行直方图统计，则1个特征点就对应16×8=128维向量。采用RANSAC算法对图像的单应矩阵进行求解。为了消除重叠区域，采用的是渐入渐出平滑过渡的方法。

3 实验结果

文章的实验环境为PC（Intel（R）Core（TM）2 Duo CPU T6570@2.10GHz，2G内存，Windows7），采用Matlab对图像拼接方法进行了实验。在配准前需要对小波分解后的系数值进行调整，从而提高图像配准的参数。实验中取背景值B=0，前景值F=1，并调节阈值TI、T2的大小。通过对多幅足迹图像进行小波分解后统计得到T1和T2的取值范围分别为［0.484，0.499］和［0.50，1］。实验结果如图1所示。图1（a）实验表明，选取T1=0.493，T2=0.55时，所匹配关键点对数最多，匹配、融合、配准所需时间最少。

实验首先对图1（b）的两幅图像直接进行特征点匹配后利用RANSAC方法求解单应矩阵，最后用加权平滑算法进行图像融合，拼接后的图像如图1（a）所示。接着用本文改进方法对图像1（b）中的两幅图像进行小波变换，滤除近似部分并对细节系数进行非线性调整。对其进行反变换后得到图1（c），再用以上方法进行拼接得到结果如图1（d）所示。实验证明，文章拼接方法得到的图像精度更高。

（a）改变阈值关键点个数和配对数

（b）原图像

（c）小波变换后的图像

图1 实验结果

4 结语

文章在对SIFT特征匹配算法的基础上，提出了一种适合足迹采样的自动拼接算法。图像通过小波变换，直接消除低频信息和噪声，增强边缘细节，使匹配精度更高，从而得到更多有用的足迹信息。

［1］Lowe.D G，Distinctive Image Features from Scale-Invariant Key points［J］.International Journal of Computer Vision，2004，60（2）：91-110.

［2］Mallat.S，Zhong.S．Characterization of signals from multiscale edges．IEEE Trans．Pattern Anal．Machine Intell，1992，14（7）：710-732.

［3］Szeliski R.Image mosaicing for tele-reality applications.IEEE Computer Society on Applications of Computer Vision,Sarasota，Florida，1994：44-53.

Method of Footprint Image Stitching Based on Multiple Dimensioned SIFT Feature Matching

YANG An-yuan，ZHU Yue-yun

（School of Mechanical and Automotive Engineering，Kaifeng University，Kaifeng，Henan 475000，China）

Image stitching method is widely used into the suspect's footprint information extraction.In order to improve the image detail and the matching precision，the Footprint map image stitching method which is based on the wavelet transform and the SIFT feature matching is put forward.The wavelet transform in this method is perform based on the pretreatment of image，move the low frequency wavelet coefficient to zero，adjusting thresholds of the high frequency wavelet coefficient and inverse transformation，then，use the SIFT to extract and match the keypoints of the processed images.For the error matching pair of coarse match，you can use the RANSAC to filter them out.This article demonstrates its advantage through to the original image splicing comparisons.The experimental results show that the method display more clear detail and the precision of matching than the original method.

footprint；wavelet transform；image stitching；sift feature matching；RANSAC

TP391.41

A

2095-980X（2017）01-0052-02

2016-12-28

杨安园（1987-），男，河南人，硕士研究生，助教，主要研究方向：机械故障诊断、图像处理。