基于SURF特征的顯微鏡圖像拼接.pdf

1、圖像拼接最初是為解決攝像機局限而產生的一種技術，其利用圖像的重疊區(qū)域獲得圖像之間的映射關系從而將多幅圖像映射到同一坐標系，重疊區(qū)域相互覆蓋，實現(xiàn)圖像之間的拼接。該技術包含了計算機視覺的許多基礎算法，如圖像匹配、圖像融合等，并已應用到虛擬現(xiàn)實、生物醫(yī)學、影視游戲娛樂等，因此一直以來都是圖像處理的研究熱點問題。
　　 在醫(yī)學、生物學等領域，顯微鏡圖像的視野隨高放大倍數(shù)的增大而成倍縮小，在低倍鏡下雖然視野較大但很難觀察樣本細節(jié)，而在高

2、倍鏡下雖然能看到樣本局部細節(jié)，但是無法整體觀察樣本，因此如何在高倍放大狀態(tài)下獲得樣本整體的高分辨率圖像是顯微鏡圖像拍攝時的一個難點。而利用圖像拼接算法可以實現(xiàn)多張高分辨率局部圖像的拼接，從而生成樣本全景圖，是解決該問題一個有效方法。
　　 圖像拼接總體可以分為兩類方法：基于全像素的方法和基于特征的方法。圖像拼接算法研究的核心問題是提高拼接的速度、精度和算法的穩(wěn)健度。
　　 本文介紹了一種于基于SURF特征的顯微鏡圖像拼接

3、算法。SURF(Speedcd-UpRobust Features)是一種尺度旅轉不變的檢測算子和描述算子，在檢測斑點結構具有很高的精確度，并且算法計算時間較以往方法快速。該算法采用積分圖像和快速Hessian矩陣檢測特征點，然后用Haar小波提取特征點主方向，并在主方向建立的坐標系上構造描述向量。在特征檢測和描述上都大大提升了算法速度。
　　 一般顯微鏡圖像中存在著大量斑點結構如細胞、氣泡等，因此為了利用SURF善于檢測斑點結

4、構的特點，本文采用了基于SURF特征的拼接方法。本文首先應用快速Hessian矩陣檢測不同尺度空間下的圖像斑點特征并構建特征向量，然后利用測量歐氏距離的方法找到圖像間的初步匹配點，再利用RANSAC方法提純匹配點。找到準確的匹配點后，我們采用最小二乘算法估計圖像變換模型參數(shù)實現(xiàn)圖像拼接，最后消除了圖像顏色亮度差異并平滑拼接邊緣，實驗證明該方法取得良好的效果。
　　 在SURF特征描述時原方法采用了將特征點鄰域平均分割成16個子區(qū)