一种基于特征全景视图生成算法.pptVIP

一种基于特征的全景视图生成算法 算法基本思想 本算法首先利用特征点估计透视运动模型,从而对相邻视图进行配准;然后利用显著特征对视图分层,并对重叠区域进行非线性融合,以减小视差对重叠场景的影响。 算法框架 相邻视图 特征提取 特征匹配 矩阵估计及投影 显著特征提取 特征统计及分层 非线性融合 合成视图 输入视图的配准 视图的分层融合 输入视图图像的配准 首先用全平面透视运动模型估计视图间的几何关系 式中,u=(x,y,1)T和u′=(x′,y′,1)T分别是两个视图的齐次坐标.H本身是齐次的,符号“～”表示在同一尺度上相等。为了求出矩阵H中8个参数，则需要4对匹配点，形成8个方程式 输入视图图像的配准 采用sift特征算法进行关键点的提取和匹配： (1)尺度空间生成 输入图像为I(x,y),对其进行高斯滤波 其中 不同尺度的高斯核滤波之差构成高斯差分空间(DoG) (2)检测尺度空间的极值点 然后将DoG空间中26邻域(上下尺度各9邻域,本尺度8邻域)的极值点作为候选点 输入视图图像的配准 (3)精确点位极值点(通过拟和三维二次函数以精确确定关键点) (4)利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数 (5)生成 SIFT特征向量 以特征点为中心、主方向为法方向的4×4像 素区域再进行高斯加权及分格梯度直方图统计, 形成128维的特征描述符。 (6)比较两两之间的欧氏距离获得初匹配的特 征点对。 视图的分层融合 考虑到视差情况,不在配准后直接进行融合,而是先对重叠视图进行排序,使较显著的场景具有优先融合权. 视图排序(运用SUSAN算子) 将输入图像分解成R,G,B通道.在 每个通道中,利用susan构造显著性 特征，SUSAN核用37个像素 构成圆的近似 视图的分层融合 将该模板放在每个点处,模板内每个像素与中心像素值I(x0,y0)的差异计算公式如下： 再计算中心点处的游程和 由游程和得到特征响应R G为一固定几何阈值,取3/4Smax. 利用此区别进行图层排序,即分别统计相邻视图中落在各自重叠区域的R, G,B三通道特征响应总数,响应较为强烈的判为上层图像,并赋予优先融合权. 视图的分层融合 非线性图层融合 重叠区域的像素值表示为 α函数 W和H分别为上层视图的宽和高,T为非线性渐变的宽度T.按上式构造一个与上层视图原始尺寸一致的权值模板,并将其与上层图像一起投影到配准平面上。 The end! * * * * 首先需要将图片通过透视变换投影到同一平面，所以必须先求出投影矩阵 * * * * * * * * * * 首先需要将图片通过透视变换投影到同一平面，所以必须先求出投影矩阵 * * * * * *