铁路工程论文精选范文：图像拼接技术分析及在铁路视频监控之应用.docVIP

　　铁路工程论文精选范文：图像拼接技术分析及在铁路视频监控之应用 1引言 1.1研究背景及意义 真实的论文代写世界是一个形形色色，丰富多彩的世界。视觉感受接收的信息是人类获取外界信息的主要途径，视觉信息在人类获取外界所有信息中所占的比例大约是75%?80%。对于重要的视觉信息，人类会想方设法将它们留住，因此图像与图像处理技术应运而生。特别是目前的数字图像处理技术，应用范围已经扩展到了人们生活的方方面面。数字图像的存在主要是为了给人们提供视觉信息，每张有用的图像都有一定的信息量。随着社会与科技的发展，在F1常生活及生产过程中，人们对信息的需求也是呈现出递增状态，一张图像往往不能满足需求。针对这种需求，多张图像拼接的技术慢慢被人们加以研究与实现。图像拼接技术能够把大于相应捕捉视角的场景真实还原出来，展现于人们面前，让人们更加客观与实际的了解眼前的事物，扩大视野并获取更大的信息量。当前的铁路视频监控系统，无论是在站前广场、售票厅、候车室，还是铁路沿线、高架桥上，大多数是用单个固定的摄像头对一个场景进行监控，同时将单个视频流回传到客户端显示。这种监控方式的不足之处是视野范围有限，特别是在一些咽喉区、隧道口、高架桥等需要较大监控视野的地方，难以避免的会出现监控盲区与死角。在处理某些告警时，监控人员往往要结合多个监控摄像头传送回来的画面进行判断，降低了处理告警的效率，同时也造成了资源浪费，而且还达不到一个很好的效果。目前的图像拼接技术大多数是对多张有部分重叠的图像或者图像序列进行拼接，图像的重叠部分可以是左右重叠或者上下重叠。传统的图像拼接步骤为：图像预处理、图像配准、图像校正、图像拼接与融合。 图像配准是图像拼接中的一个核心环节，拼接质量往往取决于配准结果的精度。图像配准技术可以找出重叠图像的一种对应关系，这种对应关系可以是基于特征点，轮廓，边缘，灰度，图像变换等，进而以这种对应关系为突破口对待拼接的图像进行拼接。目前图像拼接方法主要有四种：基于特征点匹配的图像拼接；基于比值、遗传算法、图像自适应的图像拼接；基于边缘提取的图像拼接；基于小波变换的图像拼接。本文主要研究的图像拼接技术，是以基于特征点匹配的拼接方法为主要研究内容，最后以单幅图较快的拼接速度形成视频拼接，并将其应用在铁路视频综合监控系统中。所拼接的图像是监控系统传回的2张中间具有部分重叠的视频中贞。图像拼接技术意义重大，本文只是对其一些方法及单方面的一个应用进行了研究与实现。目前，图像拼接技术的应用主要还包括以下方面：生物识别，医学图像分析，图像碎片组合和虚拟现实系统。在上述研究背景的基础上，本文将图像拼接技术应用于铁路视频综合监控系统，使二者有效结合。具体方法如下：用两个视频监控摄像头拍摄画面并传回待处理告警视频的关键倾，关键顿可对监控视频进行采样获取。在有告警时对传回的图像进行提取与拼接并在同一界面显示，拼接后的大图内包含了 2个摄像头的拍摄内容，在界面上看相当于扩大了客户端监控人员的监控的视野，提高了监控效率，若拼接速度够快可以对监控视频的每一顿进行拼接并传回显示，相当于实现了监控视频的拼接，这也是本文将要努力实现之处。 1.2国内外研究现状 图像拼接技术在国外研究的时间要早于国内。1996年，微软研究院的RichardSzeliski提出一种具有代表性的基于运动的全景图像拼接模型⑴，其图像配准过程采用Levenberg-Marquardt迭代非线性最小化方法（简称L-M算法）使两幅图像亮度差最小，并求出图像间的几何变换关系。该算法效果较好，能够处理旋转、平移、仿射等多种图像变换，是图像拼接领域一种经典的算法。2000年，在RichardSzeliski 的理论基础之上，Shmuel Peleg,BennyRousso, Alex Rav-Acha和 Assaf zomet提出自适应图像拼接模型[2]，该模型根据相机的不同运动拍摄方式，自动选择图像拼接模型，正是这种算法，进一步推动了图像拼接技术的发展，并且使得更多的人热衷于图像拼接技术。2003年，M. Broas[3]的文章将图像拼接技术推向了高潮，文中在拼接过程中采用尺度与旋转不变算子进行图像配准，并用基于多分辨率的融合方法进行图像融合，拼接效果良好。另外，还有匹兹堡大学的Sevket Gumustek博士，他在固定点旋转摄像拍摄自然景物时，提出了一种消除形变的算法，并通过摄像机标定将成像模型投影到高斯球面坐标上进行图像拼接。 国内的图像拼接技术虽然起步时间较晚，但是目前已呈现出迅猛和良好的发展状况。1998年，钟力，胡小峰通过利用图像重叠部分像素的相似性提出了一种图像无缝拼接算法，获得良好效果。2003年，潘华伟，部北骥[7]提出了一种生成圆柱形全景图的算法，该算法通过查找相邻图像的匹配区域实现无缝拼接。2004