基于压缩感知和小波变换的快速 SIFT 图像拼接算法研究
Xin Xie • Yin Xu • Qing Liu • Fengping Hu • Tijian Cai • Nan Jiang
• Huandong Xiong
摘要 针对传统尺度不变特征变换(SIFT)算法的大规模计算和慢速的缺点，我们提出
了一种结合小波变换(WT)和压缩感知(CS)算法的改良型图像拼接方法。该方法的工
作原理如下：首先，利用压缩感知技术对图像进行小波变换和压缩；然后结合 SIFT
算法提取图像特征点；最后，将自适应阈值的序列相似性检测算法（ SSDA）用于
图像匹配进行快速搜索，找出最优的拼接线和全景图像。实验结果表明，该方法实
现了图像的快速匹配，有效地克服了图像特征提取的过程中计算量大、效率低的缺
点，保证了算法中的匹配精度和拼接效率，满足了机器视觉系统的实时请求。该算
法可用于数字图像安全领域的图像匹配和拼接。
关键词 尺度不变特征变换 压缩感知 小波变换 序贯相似性检测算法 图像拼接 数字图
像安全
1 介绍
随着计算机技术的飞速发展，图像拼接（Xi and Tian 2013）已逐渐成为一个重
要的研究趋向，图像拼接可广泛应用于数字视频、空间爆炸、数字图像安全、医学
图像分析、虚拟现实技术、遥感图像处理、机器视觉和无线传感器网络等领域
（Jiang 等人 2015；Li 等人 Prete2013；等人 2011；Pizzolante 等人 2013；陈 等人
2005）。
虽然图像拼接技术可以提供宽视角、高分辨率的高分辨率图像，但由于实际应
用中复杂的图像变换和噪声干扰等因素的影响，目前还没有一种通用的图像匹配算
法。因此，在关于图像拼接算法的研究中，是否能够智能地匹配两个或多个图像的
重叠区域，保持旋转、缩放、仿射不变，是十分重要的。
基于压缩感知和 SIFT 算法的图像拼接技术已逐渐成为图像处理领域的一个研究
热点。该技术致力于提高图像匹配精度，减少图像匹配时间，保持实时显示和满足
人眼视觉的真实性。在此基础上，本文引入了压缩感知和小波变换技术，提出了一
种快速的 SIFT 图像拼接算法，使特征点匹配更加准确，图像拼接速度更快，以达到
更好的视觉效果。
2 相关工作和贡献
近年来，研究人员提出了多种图像拼接算法。Lowe(2004)提出了一种改进的特
征点匹配 SIFT 算法，可以保持旋转、缩放、仿射不变。虽然这种方法可以在一定程
度上保持稳定，但存在图像不匹配的问题。Bay 等人(2006)提出了基于 SIFT 的加速
鲁棒特征（SURF）算法。然而，对于多幅图像的拼接可能会产生较大的偏差和鬼影。
综上所述，上述两种方法只能在某些特定条件下在图像拼接中使用，匹配精度较低，
因此在复杂的环境中这两种方法并不是理想的算法。
Zhao 和 Du(2004)提出了一种基于角点特征的图像自动拼接算法。该方法利用改
进的 Harris 角点检测算法提取特征点进行图像匹配。它有效地解决了噪声干扰和特
征提取不准确的问题，但不适合重叠区域小的图像和动态图像。Cheng 等人(2008)设
计了一种基于小波变换的快速遥感图像拼接算法。该方法充分利用小波变换的多分
辨率和灰度相关特征对图像进行匹配和拼接。该方法的优点是匹配精度高，缺点是
