基于特征匹配的全景图像拼接.ppt

图像获取的方式有多种，目前常用的主要由以下两种方法：利用高级硬件实现的系统和普通相机。普通相机拍照方式：手持拍摄和固定相机拍摄。图像预处理：灰度化和图像缩放。考虑到彩色图像需处理三个通道，且图像彩色信息并不能明显提高图像配准的效果。*上面得到的匹配对很可能会存在错误匹配对，因此需要对其进行提纯，剔除这些匹配对。本文相邻图像之间的变换模型采用透视模型，采用的方法是RANSAC法来寻找一个大部分匹配对都适应的透视变换模型，也就是计算变换矩阵的参数。*左图中提取出的特征点数为1698个，右图中提取出的特征点数为1281个，图中用箭头标记了提取出的每一个特征点，箭头的起点表示特征点的位置，箭头方向表示特征点的方向。特征点提取完成这之后就开始特征匹配，进行粗略匹配对数为110，效果如图c所示，图中用直线来将两幅图中的匹配对连接起来，很明显，在图中有一些连线走向与其他大部分直线的走向有所不同，这些就是匹配过程中出现的错误匹配对，这些匹配对的存在会对最后的拼接效果有一定的影响，甚至会导致拼接结果错误，于是需要剔除这些匹配对，经过RANSAC提纯处理之后的匹配效果如图d所示，提纯之后的剩余的匹配对为86对，很明显，大部分的直线走向是一致的，匹配比较准确。*在进行图像拼接时，如果只是根据变换参数直接相邻图像直接叠加起来，我们会发现在合成的图中存在明显的拼接痕迹，甚至整个图像都会变得模糊。这是因为相邻图片之间可能会存在曝光差异，局部运动，边缘变形等现象，这样不管前面图像配准的效果有多好，最终的拼接效果也不会是很理想。本文采用结合最优缝合线和基于多分辨率的图像融合技术来实现图像的融合了，具体步骤如下：1、按照前面的方法搜索出最优缝合线；2、以每幅图像投影之后的尺寸大小个生成一幅区域R1和R2，以缝合线为界，一边为白色，一边为黑色。3、分别对两幅图像进行拉普拉斯金字塔分解L1和L2，对区域图像R1和R2求解高斯金字塔GR1和GR2。4、分别对拉普拉斯金字塔每一层进行融合处理。5、图像重构。**实验一实验结果分析：从图中，我们可以看出，1-6图中所有图片皆来自于同一个场景，不过图片的顺序却是被打乱了的，也就是没有按照拼接顺序进行排列。实际的排列顺序应该是：第四帧、第五帧、第三帧、第一帧、第二帧和第六帧。根据上面介绍的方法，对图像进行配准、排列找到图像之间的实际排列顺序，在经过柱面投影确定图像拼接位置，最终进行融合拼接，如图7所示为生成的全景图。并且在拼接进行之前，并没有输入任何焦距信息，因此本文拼接算法确实能实现自动拼接。*实验二实验结果分析：1图至6图所示六帧图像为输入图像，很明显，在这六帧中，第六帧与其它图像不在同一个场景中。因此在拼接过程中需要将这一帧作为干扰图像被剔除掉。在拼接过程中，当进行到特征匹配时，没有找到一帧图像与第六帧按照匹配准则相匹配的，因此需要将这一帧作为干扰帧排除于图像序列中，在后续操作不予考虑。如7图所示，在最终的输出结果中只有前五幅图像，第六帧就没有出现在拼接图中，本文所述拼接算法确实能对图像进行分类，能实现自动拼接。*基于特征匹配的全景图像拼接

研究意义单击此处添加小标题全景图生成实现及实验结果分析单击此处添加小标题图像拼接理论及算法研究单击此处添加小标题未来工作展望单击此处添加小标题研究内容与论文结构一、研究意义图1.1日常拍照图1.2航拍图像拼接技术可以将普通相机拍摄的若干幅具有一定重叠区域的小视域图片进行拼接，得到高清晰度的宽视角图片，并且看不出拼接痕迹。研究意义从上述在各个领域图像拼接技术所起的重要作用，我们可以看出它的发展前景是很可观的，因此，对它的研究有着很重要的现实意义。图1.3指纹识别图1.4医学图像分析图1.5军事监控二、图像拼接理论及算法研究添加标题添加标题添加标题图像融合原理及实现基于SURF特征的图像配准图像拼接基本原理2.1图像拼接基本原理图像拼接原理图图像拼接的一般流程如下图所示，图像拼接的一般流程主要包括以下几个步骤：图像配准、投影变换及图像融合。2.2基于SURF特征的图像配准原理单击此处添加小标题SUEF特征提取算法流程如下图所示，特征提取由以下几部分组成：单击此处添加小标题SURF特征提取原理图单击此处添加小标题SURF特征提取原理SURF特征提取效果图2.2基于SURF特征的图像配准原理02.SURF特征粗匹配效果图添加标题01.利用最近邻搜索法进行特征粗匹配添加标题2.2基于SURF特征的图像配准原理3、匹配对提纯及变换参数估计本文通过RANSAC算法来找出大多数