一种适用于仿生复眼系统的多路图像拼接算法研究

仿生复眼系统解决了传统单孔径光学系统中视场与分辨率的矛盾关系,兼具了较大的视场和高分辨率.但随着视场和分辨率的增加,图像信息增多,随之带来了图像拼接中效率和质量问题.针对该问题,提出一种基于改进尺度不变特征转换(SIFT)算法和主成分分析(PCA)算法的仿生复眼多路图像拼接融合方法.该方法缩小了特征点提取区域,减少了多路图像特征点匹配次数,降低了图像特征点描述符的维度.再利用改进的自适应迭代随机抽样一致(RANSAC)算法对特征点进行提纯增加鲁棒性,最后通过加权平均算法来完成对多幅子图像的高质量融合.实验结果表明,该算法设计合理,且随着图像信息的复杂程度增加,相较传统算法的拼接效率不断提升,同时保证了较好的拼接质量,可有效拼接融合仿生复眼系统多路图像,对多路图像类系统拼接融合提供借鉴.