面向全景成像的目标拼接算法研究.pdfVIP

I‘ 气· 第L章绪论 3 对图像间的重叠区域平滑过渡，取得了非常好的效果，为后续深入研究全景拼接 技术奠定了坚实的基础。该方法引入了性能卓越的SIFT特征，其对平移、旋转、 缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳 定性，所以通用性很强。也正因为如此，掀起了一股全景图像拼接的研究浪潮， 征的研究文章的思路和Brown相似，性能并未有显著的提升。 优点是抗干扰能力强，与图像内容关系相对较弱，但是它只能运用于具有平移关 系的图像间进行拼接，而无法处理具有缩放、旋转等图像。Reddy等人对此进行 了改进，在一定程度上扩大了基于相位相关算法的应用范围，但是改进算法仍然 存在明显缺陷，比如，无法处理仿射变换。国内众多学者对此进行了相关改进， 如，李中科、李忠心等，但改进算法与上述算法相比，并无显著区别。 基于几何区域相关的算法是在数幅图中选择一定区域，并计算出所选择图像 间的相似度，实现配准。然而，不同的相似度计算方法产生不同的精度，因此， iski[6]、 很多学者对相似度计算方法进行了大量研究，而且取得了显著成果。Szel McMillan[7]分别提出了灰度差值的平方和以及误差函数来进行图像配准。 1．3论文研究的内容及组织结构 1．3．1研究内容 综上所述，全景图像拼接技术发展迅速，但仍然存在众多挑战。由上述分析 可知，基于特征匹配的全景图像拼接优势明显[8]，是当前应用最成功的算法。因 此，本文的研究内容如下： (1)本文对全景图像拼接算法的国内外研究现状进行了综述，对当前存在的 问题进行分析，明确当前图像拼接算法存在的问题以及研究的切入点。 (2)简要总结了全景图像拼接的基本原理和关键步骤，为后续研究打下坚实 的理论基础。 (3)由于基于特征匹配的全景图像拼接算法具有明显优势，故本文选择此方 法，为选择合适的特征点提取算法，对若干特征点提取算法进行对比分析，并选 择SIFT算子作为特征点提取算子。 (4)针对当前图像配准过程中，搜索时间太长导致配准速度慢问题，提出了 一种基于人工蜂群算法的图像配准算法。 (5)分析了对配准后图像进行融合的必要性，对比经典图像融合算法，总结 其优缺点，选择合适的图像融合算法提供参考。 万方数据 4 面向全景成像的目标拼接算法研究 1．3．2组织结构 本文内容安排如下：第一章绪论部分主要简述了全景图像拼接的技术背景及 意义，并对拼接算法的国内外现状进行综述；第二章归纳总结了图像拼接算法的 基本原理和关键技术；第三章以第二章的理论为基础，为选择合适的图像特征点 提取算法，对比当前主要的图像特征点提取算法，归纳总结其优缺点及适用范围； 第四章详细介绍了人工蜂群算法，并将其运用于图像配准以解决搜索时间长导致 配准速度慢问题：第五章阐述图像融合的必要性，并对比经典图像融合算法的优 缺点：第六章归纳总结本文主要结论，简述本文创新点及不足，明确下一步研究 方向。 万方数据 第二章全景成像拼接基本原理 5 第二章全景成像拼接基本原理 2．1全景成像拼接基本流程 以一定的方法找到需拼接的多幅图像的重复部分，此方法能够使得单幅图像 中没有体现到的信息，达到全景图像拼接的目的，并将重叠区域融合在一起，进 而得到一幅清晰完整的全景图。据此推断，全景图像拼接技术的重难点在于如何 获得高质量高像素的图像，找到相互重复的部分，在上述分析的基础上，将图像 的融合区域进行重叠处理，综上所述，全景图像拼接的基本流程如图2．1所示