Harris角点与PHT结合的图像拼接算法

"这篇论文研究了一种新的图像拼接算法，该算法结合了特征点检测与极谐变换（Polar Harmonic Transform，PHT），特别是极复指数变换（Polar Complex Exponential Transform，PCET）。这种方法首先利用Harris角检测器来提取图像中的特征点，然后计算这些特征点周围圆形邻域的PHT特征向量。通过计算欧氏距离来确定特征点匹配对，随后通过几何变换模型排除错误匹配，最后利用正确映射模型计算变换参数，采用加权平均法完成图像拼接。实验结果证明了该算法的有效性和实用性。" 图像拼接技术是计算机视觉领域的一个重要分支，旨在将两幅有重叠区域的图像融合成一幅无缝的高分辨率图像，以提供更大的视场和更高的细节。这一技术被广泛应用在遥感、医学成像、全景摄影、3D重建以及多光谱图像处理等多个领域。 现有的图像拼接方法多种多样，包括相关窗口匹配法、最大值比较法、模糊集重建法、基于伪Zernike矩的方法以及SIFT特征匹配等。所有这些方法的核心都是图像的配准，即找到合适的几何变换参数以使两幅图像对应区域对齐。速度、自动化、抗噪声能力和图像融合质量是衡量拼接方法性能的关键指标。 本文提出的Harris算子与PHT结合的图像拼接算法具有创新性。Harris角检测器因其计算简单、角点分布均匀而被广泛应用，而PHT则因为其旋转不变性和正交性，以及相对于Zernike矩和伪Zernike矩的快速计算优势，被选择用于计算特征向量。PHT的PCET形式在图像处理中有很好的表现，特别是在圆形窗口内，可以覆盖不同图像的相同区域，从而有效地进行特征点匹配。 在算法流程中，首先利用Harris算子检测特征点，然后在特征点的圆形邻域内执行PHT，计算出特征向量。通过欧氏距离计算匹配对，接着利用几何变换模型去除错误匹配，确保匹配的准确性。最后，根据正确的匹配对，通过计算变换参数并使用加权平均法，可以实现图像的无缝拼接。 实验结果证明了这种结合Harris角点检测与PHT的图像拼接方法在提高拼接质量和效率方面具有显著效果，为图像处理领域提供了新的研究思路和实用工具。