文档介绍：第 41 卷第 2 期高师理科学刊 Vol. 41 No. 2
2021 年 2 月对多个具有相互重叠部分的图像进行配准，拼
接成一个分辨率更高、视野更宽、尽量与原图像接近、没有明显缝隙、失真小的图像[1-2]．图像拼接技术克
服了一般成像设备视场受限且价格昂贵的弊端，在不改变硬件条件的前提下极大地拓展了视野．目前，已
广泛用于建筑、旅游及酒店等领域．
图像拼接主要包括图像特征点提取、特征匹配和图像融合等步骤，其中最为关键的步骤是特征提取及
匹配，直接影响图像拼接的速度与精度．对特征点提取及匹配问题目前国内外学者进行了大量的研究，已
提出多种算法．如 Harris 特征点提取算法[3]，由于易受噪声和图像光照影响，容易提取出错误的特征点，
导致精度较低．SIFT（Scale Invariant Feature Transform）算法[4]是由 . Lowe 提出的一种尺度不变特征变换

收稿日期：2020-10-29
基金项目：广东省大创项目（S202010579026）；湛江市非资助科技攻关专题（2020B01031，2019B01075）；岭南师范学院人才专项（ZL2054）
作者简介：苏泽清（2000-），男，广东揭阳人，在读本科生．E-mail：******@
通信作者：刘忠艳（1975-），女，黑龙江依安人，副教授，博士，从事计算机视觉及数字图像处理研究．E-mail：******@
万方数据第 2 期苏泽清，等：基于 RANSAC 算法的二维图像拼接方法 37
算法，它在多尺度空间检测特征点，能够在图像发生旋转及变化时，仍能提取出稳定的特征点，但是特征
点的表示维数高，计算量大．SURF（Speeded Up Robust Features）算法由 Bay[5]在 2006 年提出的，在特征点
匹配性能方面接近 SIFT 算法，但计算时间较快．
因此，为了降低特征点的表示维数，减少计算量，提高精度，本文在进行特征点提取时采用 SURF 算
法，利用改进的快速最近邻算法实现图像特征点间的初始匹配；采用 RANSAC（Random Sample Consensus）
算法[6]剔除误匹配点对，得到２幅图像的对应特征点匹配对．根据匹配点对计算出图像间的变换参数，完
成图像特征点间的匹配．为了得到无缝拼接的完整图像，利用渐入渐出的融合方法对图像进行处理．
1 图像特征点提取