56电子技术第52卷第4期（总第557期）2023年4月ComputerEngineering计算机工程摘要：阐述高分辨率图像拼接过程中的特征点匹配效率，在图像融合过程中的重影问题，提出基于缩放的高分辨率图像快速拼接算法，从而提高图像的拼接效率，主观效果更加自然，鲁棒性更强。关键词：高分辨，边缘特征点，非线性，图像拼接，缩放。中图分类号：TP391.41，TP18文章编号：1000-0755(2023)04-0056-02文献引用格式：廖武忠，王珊珊，晏冬群，王铭潞.基于缩放的高分辨率图像快速拼接算法分析[J].电子技术,2023,52(04):56-57.的权重，边界区域设为w1,内部区域权重为w2。对各个区域设计一个压缩比例函数如式（1）。（1）其中，Ni代表区域i的像素数量，k为压缩参数可以根据对时间需求和准确性需求不同进行设置，本文的k取值为0.1Ni，ni为在区域i的特征点的数量。本文针对新获取像素位置的值按照向上取整的算法，并且对多个位置压缩到同一个位置的像素选取，为了尽量减少特征信息的损失，设计了如下的压缩后的像素函数如式（2）。（2）其中，I(x,y)为缩放后对应位置的像素，Ii为集合Ai的平均值，I(Xi,Yi)为坐标为Xi,Yi所对应的像素值。通过压缩变换把原图像划分为不同区域得到新的图像，针对新的图像再次进行SIFT算法获得新的特征点。2非线性变化的图像融合为了使两边的边界分别与对应两边的原图像变化更平滑，效果显得更自然。而在中间区域权重变化更加平缓，能较好减少重叠部分图像的重影等影响视觉效果的因素。渐进渐出图像融合技术在重叠区域的像素计算如式（3）。0引言在整个图像拼接过程中图像匹配是最主要的一个环节，而匹配的准确率高低对图像拼接效果有直接的影响。而一个好的图像匹配需要有较好的特征信息提取，当前主流的特征提取算法有SIFT[1]、SURF[2]、ORB[3]。此外还有一些非主流的快速特征提取算法Harris算法、BRISK算法、FAST算法等[4]，以及各种关于这些算法的改进。对高分辨的图像拼接，主要需要解决的匹配效率问题，而在该方面有大量的科研人员进行研究。YuanxinYe等根据图像重叠区域的特征信息，提出了一个基于图像局部信息的多模式描述符的匹配框架，而该算法依赖于特征信息重复率较高前提[5]。为了提高高分辨率图像拼接的速度与自适应性，本文提出了基于区域缩放的高分辨率图像快速拼接算法。1边缘特征块匹配分析随着图像的分辨率不断提高，图像特征点相应增多，特征点匹配算法的时间复杂度达高。所以本文根据特征点的分布以及图像拼接的独有性...
