基于计算智能图像拼接系统设计与实现.docVIP

基于计算智能图像拼接系统设计与实现 　　摘 要： 图像拼接技术是将相互间存在重叠区域的图像序列实施配准和融合，形成一幅包含各图像信息的宽视野的、完整的、高分辨率的新图像。在此基于该目的，依据计算智能构建一个能够完成具有相关性图像配准和融合的自动化软件系统。该系统给出了详细需求分析、功能设计、类设计和界面设计。通过一系列测试和分析，证明该系统具有很好的兼容性，并且能够较好、较快地完成序列图像的拼接。 　　关键字： 计算智能； 图像拼接； 系统设计； 自动化软件 　　中图分类号： TN964?34 文献标识码： A 文章编号： 1004?373X（2013）12?0049?04 　　0 引 言 　　随着互联网的迅猛发展，人们对图像数据传输的要求也越来越高，基于图像拼接的方法逐渐获得人们的青睐。然而由于原有的物理设备、光学成像设备获取的图像分辨率有限、很难实现全景拍摄等问题的困扰，人们便提出了基于图形学的图像拼接。而该技术同时也是基于图像的绘制技术中的一项关键技术，目前在虚拟现实、计算机视觉等多个领域获得广泛的应用。所谓图像拼接简单地讲就是将两张相邻并具有一定重叠区域的图像无缝拼接在一起，是生成全景图的关键技术，拼接算法直接影响到全景图的真实感。 　　图像拼接主要是根据两幅图像重叠区域的相似度来实现的，其难点在于如何保证生成图像的几何性质和颜色协调性。常见的图像拼接算法主要分为3大类：基于面积、基于特征和互信息测度的方法。基于面积的方法是指把一幅图像中某一像素的像素值邻域作为模板，在另一幅图像中搜索具有相同（或相似）像素值分布的对应点邻域，从而确定两幅图像的重叠范围。如Peleg和Herman的多重投影拼接方法就是典型的针对图像重叠区域中的对应相似灰度值进行计算的。基于特征的方法一般不直接利用图像像素值，而是通过像素值导出符号特征（如特征点、特征线段或边缘特征等）实施匹配，该方法比面积法执行速度快。基于互信息测度是近几年提出的一种基于图像熵的方法，该方法也同样不直接利用图像的灰度特征，而是利用两幅图像的灰度概率分布，通过求取其联合概率分布而获取他们之间的联合???像熵，当联合熵最小时，联合信息量最小，互信息量最大的原理，转而利用极大化测度函数获取两幅图像的重合区域。 　　20世纪80年代中期，传统人工智能在感知、理解、学习、联想及形象思维等方面遇到了严重困难，经典优化算法在求解日益复杂的世纪工程问题时出现了很大的局限性。然而，随着计算机容量和计算速度的不断提高、大规模并行处理技术的产生和自身理论的逐步成熟，为计算智能技术的产生和发展提供了条件和机遇。计算智能是从模拟自然界生物体系和生物智能现象发展而来的，用计算机模拟和再现生物的某些智能行为，并用于改造自然的工程实践的一种新型人工智能研究领域。计算智能是一个内蕴相当丰富的概念。 　　本文是基于互信息测度的方法和计算智能算法构造图像拼接算法的，并依据该算法进行图像拼接系统设计。设计图像拼接系统的初衷在于构建一个图像拼接算法的测试平台，另外也能够为实现高效、适用的全景拼接软件进行一系列思维上的探索。 　　1 图像拼接系统的需求分析 　　图像拼接系统的主要功能是对具有相关性的图像或序列图像进行拼接融合，计算相关图像基于相关信息的拼接融合区域，并能够输出一幅无缝拼接的大视域、高分辨率的新图像。而且能够根据未来需求，预留出新的拼接算法接口。具体来讲，图像拼接系统应该具有如下3类功能： 　　（1）图像校正与去噪。由于待拼接图像或图像序列都来源于摄像头或视频片段，由于摄像机的曝光差异、旋转缩放等原因会造成不同程度的噪声。为此，必须对待拼接图像进行校正，尽可能地将扭曲图像还原成真实图像的大小和形状，然后利用中值滤波器等实现噪声剔除。 　　（2）图像匹配。图像拼接的关键步骤之一是图像匹配。所谓图像匹配就是对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息中寻找最佳的拼接区域，然后使参考图像和待拼接图像间对齐。在引言中已经详细讨论了匹配的三类方法，本文将采用基于计算智能的互信息测度的方法实现图像匹配。 　　（3）图像融合。图像融合是实现图像最终无缝拼接的重要步骤。在实际拼接过程中，一幅图像的图像区域过渡到另一幅图像的图像区域，由于存在光照特性、拍照时间、位置等差异，两个区域的表现不会完全相同，因此会出现跃变。图像融合技术即是消除这种跃变的有效工具，即让图像自然过渡。 　　2 系统设计 　　2.1 功能设计 　　2.2 类关系设计 　　（1）Form1类。这是系统的框架类，该系统是基于C#开发而成，即所有的视图和框架都集中在类里面。其主要包括系统初始化Form（1）、系统载入Form1_Load（）。另外，菜单、工具栏等功能出发函数也都集中在该类里面实现。