基于特征点匹配的无人机航拍图像拼接技术总结.pptVIP

矩阵M定义为 Ix、Iy分别为图像在x方向、y方向上的梯度， G是高斯函数，将其与梯度函数做卷积进行平滑滤波，赋予靠近中心点较大的权重，以减少噪声的影响，达到平滑滤波的效果。 迹是矩阵对角线元素的和，也是特征值之和。 CRF取极大值处定义为图像的角点 在经典 Harris角点检测算法中， 角点响应函数 参数 ｋ 的设置是凭经验值决定的，但在实际应用中,ｋ值的经 验选取使检测结果偏差很大，影响了最后的图像拼接效果。为了避免 k值选取， 本文中采用了新的角点响应函数式 * 这种新的角点响应函数的提出， 避免了参数 ｋ 的选取， 实用性更强。 这种方法会在图像中计算出大量的极值点，所以需要设置一个CRF阈值来限制角点数目。 这样提取的特征点的数目比较合理， Ｒ 阈值也可以自动选取， 除首图像外， 待拼接图像只需提取一次角点， 速度大大提高。 * 为了在图像配准过程中更准确的找到配准点，本文不仅考虑了配准点本身，还考虑了配准点的邻居信息。 * 为了避免光照的影响， 可以将图像的平均灰度去掉 R的值域为［ －１ ， １ ］ ， R＝－１表示两个相关窗口完全不相似,R＝１ 则表示两个窗口完全相同， 由此对R 进行阈值处理， 设阈值为0.8。 * 得到的配准点对中仍可能存在伪配准点对， 用约束配准对算法去除伪配准对。 由此可保证从两幅图像中提取的特征点具有一致性， 这样就可以从配准点对中提取出正确的配准点对。 * 由此可保证从两幅图像中提取的特征点具有一致性， 这样就可以从配准点对中提取出正确的配准点对。 * 图像拼接痕迹消除的关键技术是图像融合。在采集图像的过程中， 由于拍摄时光照程度和视野等影响， 两幅图像重叠区域有较大差异， 拼接后的图像在拼接处可能存在拼接缝隙， 本文将采用渐入渐出法进行图像融合消除拼接缝隙。 在重叠区域， ｗ １ 逐渐变至 ０ ， ｗ ２ 逐渐变至 １ ， 由此实现由 Ｍ １ 到 Ｍ ２ 的平滑过度， 消除缝隙。 * * UAV Image Automatic Mosaic Method Based On Matching Of Feature Points（基于特征点匹配的无人机航拍图像拼接技术） @2013 IEEE Yang Xiao Hong,Zhang Qing Jie,Zhao Dan Dandept. of aircraft controlleraviation university of air force Shao Xiang Xincollege of electronic science? engineeringchangchun university of technology Xu Jingdept. of neurology internal medicinefirst hospital of jilin university 报告人：张帆 2016/4/28 目录 背景 角点检测 本文提出的改进算法 后续工作 实验结果 目录 背景 角点检测 本文提出的改进算法 后续工作 实验结果 图像拼接 图像拼接技术是指将一组相互之间存在重叠部分的图像序列先进行空间配准， 再经过图像变换、 重采样和图像融合后形成一幅包含每个图像序列的宽视角或３６０°视角的全景图像的技术。图像拼接具有重要的实用意义，广泛应用于遥感图像处理、 地理信息系统、 虚拟现实技术、 视频拼接、 医学图像分析、机器人视觉和３Ｄ图像重建等领域。近年来，也逐渐成为计算机数字图像处理领域中的一个研究趋势。 UAV (Unmanned Aerial Vehicle) image High resolution High flexibility High efficiency Low cost 图像拼接的步骤 图像拼接技术主要包括３个重要步骤： 特征提取、 特征配准和图像融合。 其中图像配准是整个图像拼接技术的核心部分，直接决定了图像拼接结果的质量。图像配准算法主要分为３类： 基于灰度图像的匹配、基于特征的匹配和基于变换域的匹配。 目录 背景 角点检测 本文提出的改进算法 后续工作 实验结果 角点检测 Corner in a digital image is referring to the local maximum curvature contour line in the image. 与边缘和直线等特征相比 ，角点具有提取过程简单，结果稳定和提取算法适应性强等特点 ，广泛应用于图像配准领域。 角点检测的方法主要分为两种：(1) 基于图像边缘的方法 : 先提取图像信息的边缘，然后再求角点； (2) 基于图像灰度的方法， 例如： Morav