二、比较最大值法特征匹配对两幅图像提取特征点后，接着要对他们进行匹配即也就是寻找对应特征对口 通过Harris角检测器国提取的特征点中有相当多的兀余点，如果不去除这些冗余 的特征点将会导致匹配参数的误差甚至导致匹配失败°为了有效的去除兀余特征 点的干扰，提出一种比较最大值的方法「该方法在去除兀余的特征点的同时能准 确的提取出正确的匹配特征对首先，在每幅图像中以每个特征点为中心取-•个＜2Nn）x（2Ml）大小的相关 窗，然后以第一幅图像屮的每个特征点为参考点在第—•幅图像寻找对应匹配点， 匹配的依据是计算特征点相关窗之间的相关系数；工"V）厶（兀刈<5-2)式中’职是相关窗的大小，入妇分别是第一幅与第二幅图像中特征点相关窗内像 索的灰度值当第一幅图像中的某个特征点与第二幅图像中的所有特征点经过计 算得到 组相关系数时，我们选择这组相关系数中最大的相关系数所对应的特征窗.然后以第一幅图像中的每个特征点为参考点在第二幅图像寻找对应匹配点, 匹配的依据是计算特征点相关窗之闻的相关系数『刁(5-2)式中，护是相关窗的大小，：厶分别是第一幅与第一:幅图像中特征点相关窗内像 素的灰度值争第一幅图猱中的某乍特征点与第二幅图像中的所育持征点绘过计 算得到一组相关系数时，我们选择这组相关系数中最大的相关系数所对应的特征 点为这个点的匹配特征点.通过这种方法匹配之肓得到的匹配对中仍存在伪匹配 对，如何去除这些伪匹配对是整个图像配准的关键坏经过分析我们得到如下 事实:设点心必）和讥叽是第-幅圏像中任意两个特征点,金第二幅图坨 图像拼接技不Vf兀 —像中肓两个对应旳盼iii-./'：亦，儿）和ng，兀）扁;果（丄舟和（禺刀）丛两时if确的 匹配对.那么它们的坐桩将满起如卜一黄系;(j-3)(5-4)即对丁任意两对正确的兀配特征对来说，E：们对城的坐标应同时满足厉-3）式和 （"Q式的条件。
算法中为了保证从两幅图像屮提取的特征血具右-致件.，我们假设两幅图橡特 征点提取评价函数的阈値T相等由于Harris角检测器厲具有良好的特征点提取 性能.因此我们叮以认为所提取的特征点中满足©弋）式和伽心式条件的特征虫 是多数点•有了以上这两个条件的保证•我们就可以采用比较最大值的方法从祐-2） 式所生成的特征对中提取出正确的匹配对，首先我们计算毎个特征对中两点的横 坐标之间的距离和纵坐标之间的距离，这样每个特征对就生成一种对应的距离对. 然厉逐个比较和统计这些距离对，如果某种距离对的数量肝满足；m - max{w;, } k = 1,苗-引式中，叫是第R种距离对的个数，烈是所有距离对的种类数，那么这种距离对所 对应的那些特征对就是止确的匹配对一•、算法实现步曬在利用Hanis角检测器卩1提取特征点的过程中，需要确定特征点提衆评价函 数的阑值丁，这个阈值的确定对于图像配准精度冇着很大的影响如果阈值设置43丄ISIFT算法的特征匹配（1） 粗匹配采用优先V树进行优先搜索来查找每个特征点的两个近似最 近邻械特征点+计算比较锻近邻域（W）与第二最近邻域启加的距离*通过 设置一个阈值，得到伪匹配点集°（2） 精确匹配。
采用RANSAC （Random Sample Consensus）法口刃进行精确 匹配,同时得到圏像间的变换关系冬具体步骤如下:Stepl: m/SCN设定阈值F （根据实验测试* 一般tli 0.6-0.8之间），如呆7WV■侶3的值小于该阈值，则保留该点*否则去除该点：Step2:从Et亡pl得到的M对伪匹配点中随机选择3对匹配点，线性的计算变 换（伪射变换〕矩阵耳；StepS:计算每帖伪匹配点吗目的垂直距离皿Step4:根据内点距离小于阈值的原则计孙H的内点，ft-在此内点域上更新估 计H；Step5:随机采样时次+直到得到最人的内点集合为止;根据这个最大内点集 合估计变换矩阵，井把这个矩阵作为最后的图像变换矩阵表4.1所示是随机采Step 3:计算每对伪匹配点与日的垂直距离d；Step4:根据内点距离小于阈值的原则计算日的内点，并在此内点域上重新估 计H：Step5:随机采样N次，直到得到最人的内点集合为止；根据这个最人内点集 合估计变换矩阵，并把这个矩阵作为戢后的图像变换矩阵表4.1所示是随机采 样次数"随外点多少的变化情况本文釆用文献US中的方法确定采样次数彌、内点距离阈值。
通过Step 1设置 阈值丁进行初步过滤，可以去除80%〜90%以上的误匹配点，这対于RANSAC 算法进一步求解几何变换模型的准确性和速度都有了很人的提高衣4.1随机采样次数随外点多少的变化情况集合中外点的比例(%>51020304050607030需要的随机采样次数35917347217S56728764.4图像融合图像配准后，图像间的变换关系就得到了唯一确定但是由于普通的手持照第四章基于兴趣点方向特征的图像拼接方法 41其中/)(/；./)是£和O,与每对兴趣点的平均距离：= ［〃( Pt，巧)+ , 0)］ / 2 (4-13)/•(/,J) = exp(-//„), 是彳和G与每对兴趣点距离的相对差异：-=|〃(匕/［)-〃(0,0)|〃冲,丿) (4-14)若-=0,则取］：；；；［)=1计算出所有"(7)后，求"⑴的均值歹，如果 炉(,)>0.75旷，*和Q作为对应点保留，否则删除由于存在错误匹配点的概率的不确定性，无法保证经过一次匹配度比较法后, 可以完全剔除错误的匹配对本文采用随机采样的思想，任意抽取两对匹配对，代入的刚性变化模型,计算出变换模空参数变换关系如下图所示:AXy]COS0 sin。
sin&「x+cos <9」|_y其中〃为旋转角度，/、•，、为为参考图像在x和y方向的位移将其余匹配点对｛Pk 中的耳代入变换模型中，得到点么，计算Q和Q甜平肯也菲I切.\m｝i 対候选此即山対□川］调像I汇域特社的相似性,或者无卜J］沁特Til：等原［用仝产't切「Ph1.o越过村i邻 特征点之间的关系剔除误匹配点［的.如果｛£ oQ｝和｛巧0 0｝是两对正确的匹 配対，那么pt刑弓的li-】肉 妬巧）迪该乍rw j' a和0的上乍皿（w 比中 如屮J = |叫- y I址%和“,.Z I'd旳欧式L16，、凶」比11以利川£ | .J第一愜图像屮所 有兴趣点弓的关系和Q与第二幅图像中所有兴趣点0的关系的相似性来评价两 点的对应关系'则£和的整体匹配度可用如下评价函数表示：n^）= y—Lk/L_ （4—12）!': //,, - 0, IJ'IJ J|< ； （/ /） - 1 °讣嫁泪所有审⑴In-,求W｛i）的均彳|1 W .抽果1 + D（『J）W｛i｝ > 0.15W ,片和0件为刃「应山保留，种则册除、：ll J'-存在错谋卩川己点的概率的不确疋性,无法傑证经过-次匹民废L匕较丛Ju-.11以左全剔除借没的兀阮廿。
木文采jn随机采样的思姒,任意抽収阴对兀配炖,代入的刚性变化模型.li算出变换模主参数变换关系如卜'閤所示;［；H-sinf?X+r;cos^_y_Jy_cos^sin&比屮B为旋转角度,F「气为为參占圏像在X和屮方向的位移”将真叙匚临山对，｛Pk O 0 ｝中的£代入变换模甲!中，◎到山a，讣畀O,和a 的平方误差的：卜©◎、=Ka -2+© -&.）jr <4-15）如果存在E（Ot,Ot）大于1,则认为有误匹配，利用上述匹配度比较法再剔除 一次误匹配对循环上述过程，直到所有E｛0tt0k）均小于1.经过以上的鲁棒性 n沐之后，就获f.:一 r阴幅图像之卩j ii:谕的卩匚此xj-..。