針對紅外圖像空間分辨率低、視場窄,導(dǎo)致圖像配準(zhǔn)率低、實時性差的問題,提出一種基于感興趣區(qū)域（ROI）的高精度紅外全景拼接算法。該算法首先根據(jù)兩張相鄰圖像的近似位置關(guān)系,求取圖像間的ROI;接著,在ROI窗口中提取尺度不變特征變換（SIFT）特征點并將其作為運動目標(biāo),結(jié)合KLT（Kanade-Lucas-Tomasi）實時跟蹤算法確定待配準(zhǔn)圖像中特征點的位置信息并進(jìn)行匹配;然后采用隨機(jī)采樣一致性（RANSAC）算法剔除誤匹配點對;最后利用像素級融合法消除拼接痕跡,合成一幅分辨率穩(wěn)定、視場寬的紅外全景圖像。經(jīng)實驗驗證,該算法與傳統(tǒng)SIFT算法相比,配準(zhǔn)率提高了3.491%,運行時間約提高了50%,能夠準(zhǔn)確、有效地實現(xiàn)多幀紅外圖像的無縫拼接。 

【文章來源】：半導(dǎo)體光電. 2020年04期 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

SIFT圖像配準(zhǔn)流程圖

如圖2(b）所示，將DOG中每一個極值點與同層8個相鄰點以及上下相鄰兩層對應(yīng)的9×2=18個點進(jìn)行比較，滿足大于（或小于）26個像元且在原圖像I(x,y）和DOG上都是極值點的才確定該點為穩(wěn)定的特征點[10-11]。(3）確定關(guān)鍵點主方向。通過計算特征點梯度與梯度直方圖，使得特征描述向量在主方向上具有旋轉(zhuǎn)不變性[12]。DOG金字塔中關(guān)鍵點的梯度模值m(x,y）與梯度方向θ計算公式為

(4）特征描述符生成。以特征點為中心，選取8×8=64的窗口，將子窗口再分割成4×4=16個，計算這16個小塊上的8個方向向量，得到一個特征點為16×8=128維的特征描述符。具體生成過程如圖3所示，其中小格子和箭頭長度分別代表梯度方向和梯度幅值。至此，每個特征點信息可以用（x,y，σ，θ）表示，即（x,y）表示位置，σ表示尺度，θ表示主方向。SIFT特征點的提取結(jié)果如圖4所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)的SIFT算法的圖像配準(zhǔn)方法[J]. 周佳欣,徐夢云,劉建全.  工業(yè)控制計算機(jī). 2019(05)
[2]具有SIFT描述的多尺度角點圖像配準(zhǔn)[J]. 蘇培峰,黃世奇,王藝婷,劉代志.  計算機(jī)工程與科學(xué). 2017(09)
[3]基于區(qū)域分塊與尺度不變特征變換的圖像拼接算法[J]. 李玉峰,李廣澤,谷紹湖,龍科慧.  光學(xué)精密工程. 2016(05)
[4]全景圖像拼接關(guān)鍵技術(shù)研究[J]. 何亞黎,袁義.  信息化建設(shè). 2016(03)

碩士論文
[1]基于改進(jìn)的SIFT特征的圖像匹配算法研究[D]. 章雷.安徽理工大學(xué) 2019
[2]全景圖像拼接關(guān)鍵技術(shù)研究[D]. 張少坤.西安建筑科技大學(xué) 2018
[3]基于改進(jìn)SIFT和改進(jìn)K-means的遙感圖像配準(zhǔn)算法[D]. 祁曦.華東師范大學(xué) 2018
[4]基于SIFT特征檢測與匹配的快速圖像拼接方法研究[D]. 陳月.吉林大學(xué) 2017
[5]基于多角度的蛇果圖像匹配算法研究[D]. 林文彬.浙江大學(xué) 2014



本文編號：2922322