确定两幅图像重叠区域算法（附论文）

资 源 简 介

确定两幅图像重叠区域算法（附论文）

详 情 说 明

在图像拼接领域，准确识别两幅图像的重叠区域是实现无缝拼接的关键步骤。Fathima等人于2013年提出的算法创新性地结合了矩不变量和SIFT特征的优势，有效提升了重叠区域检测的精度和鲁棒性。

该算法的核心思路采用双层特征匹配策略：第一层使用具有尺度旋转不变性的SIFT特征点进行粗匹配，快速筛选出潜在的对应区域；第二层引入矩不变量作为几何约束，通过计算区域的不变矩特征进行精细匹配。这种混合方法既保留了SIFT对复杂纹理的识别能力，又通过矩不变量增强了算法对几何畸变的容忍度。

实现过程首先对输入图像进行多尺度空间极值检测，提取具有显著性的关键点。在特征描述阶段，算法不仅构建SIFT描述子，还计算关键点邻域的7个Hu矩不变量作为补充特征向量。匹配时采用两级验证机制：先用k-d树进行SIFT特征的近邻搜索，再用矩不变量构建的相似性度量函数进行误匹配剔除。

实验结果表明，相比单一特征算法，这种组合方法在存在光照变化、视角差异和局部遮挡的情况下，重叠区域检测的准确率提高了15-20%。特别是在医学图像和航拍图像等专业领域，由于组织纹理或地物特征的重复性较高，传统算法容易产生误匹配，而矩不变量的几何约束特性能够显著降低错误率。

该算法的创新点在于将全局特征（矩不变量）与局部特征（SIFT）进行有机融合，通过特征层级的互补性克服了单一描述子的局限性。后续研究者可以在此基础上探索深度学习特征与传统特征的结合方式，或优化矩不变量计算效率以适应实时性要求更高的场景。