基于CLAHE和改进ZNCC的图像拼接研究

摘要：

对弱对比度图像进行拼接时,由于对比度较差等原因,待拼接图像上分布的匹配特征点较少,图像配准误差较大.为了解决这一问题,提高图像拼接质量,提出一种基于contrast limited adaptive histogram equalization(CLAHE)和改进zero-mean normalized cross-correlation(ZNCC)的图像拼接算法.在提取特征点前,利用CLAHE算法对弱对比度图像进行预处理,增加图像对比度,增加匹配点数量;然后,使用结合特征点梯度主方向的改进ZNCC算法筛选特征点,提高特征点的正确匹配率;最后,使用筛选后的特征点集合计算变换矩阵,并完成图像拼接.实验结果表明,与其他算法相比,所提算法在弱对比度图像上增加了约25％的正确匹配点,误匹配率相对于SIFT算法降低0.5个百分点～3个百分点,有效提高了图像配准精度,减少了配准重影的出现,优化了图像拼接结果.

关键词：图像处理、图像拼接、图像增强、特征点筛选

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：216-224