因傳統(tǒng)拼接手段不能獲取有效目標(biāo)向量,導(dǎo)致拼接后圖像模糊、不完整,并且存在圖像匹配準(zhǔn)確率不高、匹配失誤率過高和耗時(shí)較長(zhǎng)的問題,因此,提出Canny算法和中值濾波法的紅外全景圖像拼接方法。運(yùn)用Canny算法提取具有顯著性特征的圖像邊緣向量,同時(shí)采用中值濾波法,將圖像差異過大的數(shù)據(jù)做對(duì)應(yīng)的過濾處理。為了降低拼接圖像結(jié)構(gòu)層次混亂、不齊的情況,根據(jù)過濾結(jié)果對(duì)待拼接的圖像做特征定位處理,并實(shí)現(xiàn)目標(biāo)特征匹配。最終在線性融合的基礎(chǔ)上提出基于聚類預(yù)篩選的多分辨率融合方法,加強(qiáng)圖像整體融合效果,從而得出拼接后的完整紅外全景圖像。分析實(shí)驗(yàn)結(jié)果可知,所提方法的匹配失誤率最低值僅為8%,說明所提出方法可以在根本上降低圖像匹配的失誤率,增強(qiáng)匹配的精準(zhǔn)度,使拼接后的圖像更加清晰,并且耗時(shí)較短,充分說明該方法應(yīng)用價(jià)值高。 

【文章來源】：激光雜志. 2020,41(05)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

不同方法拼接結(jié)果對(duì)比

根據(jù)上述圖像顯著特征提取結(jié)果，通過基于聚類預(yù)篩選的匹配算法和多分辨率融合方法對(duì)圖像進(jìn)行拼接匹配。為了尋找出兩張圖像之間的相關(guān)特征點(diǎn)，首先需要計(jì)算出圖像特征點(diǎn)的灰度相關(guān)性。但在實(shí)際應(yīng)用中，為了保證整體計(jì)算的速度，一般都會(huì)將圖像窗口設(shè)計(jì)較小[13-14]，如下圖2所示:基于兩幅需要拼接的相鄰圖像特征匹配點(diǎn)之間的連線斜率相同，通過聚類的基本思想，對(duì)圖像中全部的特征匹配點(diǎn)進(jìn)行了篩選[15]，可以將該步驟實(shí)現(xiàn)的過程具體描述為:把兩張都具有重疊部分的圖像放在同一坐標(biāo)下，并且計(jì)算出兩張圖像之間的直線斜率，再將某一斜率值設(shè)置為中心點(diǎn)，如果一個(gè)較小鄰域內(nèi)包含最多的相關(guān)點(diǎn)，那么這些相關(guān)點(diǎn)對(duì)就是最精確的相關(guān)點(diǎn)對(duì)，如圖3所示。

基于兩幅需要拼接的相鄰圖像特征匹配點(diǎn)之間的連線斜率相同，通過聚類的基本思想，對(duì)圖像中全部的特征匹配點(diǎn)進(jìn)行了篩選[15]，可以將該步驟實(shí)現(xiàn)的過程具體描述為:把兩張都具有重疊部分的圖像放在同一坐標(biāo)下，并且計(jì)算出兩張圖像之間的直線斜率，再將某一斜率值設(shè)置為中心點(diǎn)，如果一個(gè)較小鄰域內(nèi)包含最多的相關(guān)點(diǎn)，那么這些相關(guān)點(diǎn)對(duì)就是最精確的相關(guān)點(diǎn)對(duì)，如圖3所示。通過上述特征處理后，得出了n幅圖像Ii(x,y)(i∈{1，…，n})在拼接坐標(biāo)系統(tǒng)中的具體方位Ii(θ，φ)。為了能夠保證需要融合圖像的具體信息是有效的，將針對(duì)每幅圖像做權(quán)重函數(shù)處理[16-17]，給每幅圖像匹配一個(gè)權(quán)重函數(shù)W(x,y)=w(x)w(y)，這個(gè)函數(shù)的必需條件是在圖中具有一定的最大值，且線性變換后到邊緣取值為0。將圖像進(jìn)行拼接的方法是對(duì)圖像強(qiáng)度加權(quán)之和進(jìn)行計(jì)算，計(jì)算公式為:


本文編號(hào)：3412556