全景圖像是近年來計(jì)算機(jī)視覺、虛擬現(xiàn)實(shí)等領(lǐng)域中的研究熱點(diǎn)之一,在遙感圖像處理、醫(yī)學(xué)成像、行車駕駛安全等領(lǐng)域都有很高的應(yīng)用價(jià)值。特別是在行車駕駛安全方面,基于魚眼相機(jī)的車載全景環(huán)視系統(tǒng)受到越來越多研究人員的關(guān)注。為了給行車駕駛?cè)藛T提供車身周邊360°的路況信息,提高駕駛安全系數(shù),需要研究基于魚眼相機(jī)的車載全景圖像拼接技術(shù),主要包括魚眼圖像的預(yù)處理（角點(diǎn)檢測、魚眼相機(jī)標(biāo)定與魚眼圖像畸變校正）、車載全景圖像的拼接（配準(zhǔn)與融合）。本文的主要研究工作如下:首先,研究了一種亞像素級別的改進(jìn)Harris角點(diǎn)檢測方法。先對棋盤格標(biāo)定板圖像進(jìn)行Harris角點(diǎn)檢測,得到初始角點(diǎn);在進(jìn)行響應(yīng)函數(shù)計(jì)算之前,利用圖像區(qū)域像素灰度值的相似度來對初始角點(diǎn)進(jìn)行篩選,降低計(jì)算量;再將篩選后Harris角點(diǎn)的響應(yīng)函數(shù)進(jìn)行二項(xiàng)式逼近分析,獲得亞像素角點(diǎn)位置。實(shí)驗(yàn)結(jié)果表明,本文方法能精確地檢測出棋盤格標(biāo)定板的角點(diǎn),與基于灰度差分與模板的Harris角點(diǎn)檢測方法、基于像素搜索的FAST角點(diǎn)檢測方法以及改進(jìn)SUSAN角點(diǎn)檢測方法相比,本文方法誤檢率低、耗時(shí)短,檢測效率更高。然后,采取了“張正友式”標(biāo)定法對魚眼相機(jī)進(jìn)行標(biāo)定。對大量... 

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
注釋表
縮略詞
第一章 緒論
    1.1 課題的研究背景和意義
    1.2 課題的國內(nèi)外研究概況
        1.2.1 魚眼圖像預(yù)處理
        1.2.2 全景圖像的配準(zhǔn)
        1.2.3 全景圖像的融合
    1.3 本文的章節(jié)安排及創(chuàng)新點(diǎn)
        1.3.1 本文的章節(jié)安排及結(jié)構(gòu)圖
        1.3.2 本文的主要創(chuàng)新點(diǎn)
第二章 亞像素級別的改進(jìn)Harris角點(diǎn)檢測方法
    2.1 引言
    2.2 亞像素級別的改進(jìn)Harris角點(diǎn)檢測原理
        2.2.1 Harris角點(diǎn)檢測原理
        2.2.2 改進(jìn)的Harris角點(diǎn)檢測
        2.2.3 亞像素級別Harris角點(diǎn)檢測
    2.3 實(shí)驗(yàn)結(jié)果與分析
    2.4 本章小結(jié)
第三章 魚眼相機(jī)標(biāo)定
    3.1 引言
    3.2 “張正友式”標(biāo)定法原理
        3.2.1 四個(gè)坐標(biāo)系及其轉(zhuǎn)換關(guān)系
        3.2.2 內(nèi)外參系數(shù)矩陣求解
        3.2.3 畸變系數(shù)求解
    3.3 實(shí)驗(yàn)結(jié)果與數(shù)據(jù)
    3.4 本章小結(jié)
第四章 魚眼圖像畸變校正
    4.1 引言
    4.2 基于球面透視投影等距模型的方法原理
    4.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 全景圖像的配準(zhǔn)
    5.1 引言
    5.2 Franklin函數(shù)以及Franklin矩
        5.2.1 Franklin函數(shù)
        5.2.2 Franklin矩
    5.3 基于改進(jìn)Harris特征點(diǎn)檢測和Franklin矩特征描述的全景圖像配準(zhǔn)方法
        5.3.1 特征描述子
        5.3.2 特征點(diǎn)匹配
        5.3.3 全景圖像配準(zhǔn)方法具體步驟及流程圖
    5.4 實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
第六章 全景圖像的融合
    6.1 引言
    6.2 投影梯度NMF的方法
    6.3 圖像的引導(dǎo)濾波
    6.4 基于投影梯度NMF和引導(dǎo)濾波結(jié)合的Contourlet變換全景圖像融合
        6.4.1 基于Contourlet變換的全景圖像融合規(guī)則
        6.4.2 全景圖像融合方法具體步驟及流程圖
    6.5 實(shí)驗(yàn)結(jié)果與分析
    6.6 本章小結(jié)
第七章 總結(jié)和展望
    7.1 本文的主要工作
    7.2 進(jìn)一步的研究工作及展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]基于非下采樣剪切波變換的PET/SPECT和MR圖像融合[J]. 邱陳輝,趙奮強(qiáng),王媛媛,夏順仁.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2018(03)
[2]結(jié)合引導(dǎo)濾波和卷積稀疏表示的紅外與可見光圖像融合[J]. 劉先紅,陳志斌,秦夢澤.  光學(xué)精密工程. 2018(05)
[3]基于改進(jìn)球面透視投影的魚眼圖像畸變校正方法[J]. 王向軍,白皓月,吳凡璐,葉秀玲.  圖學(xué)學(xué)報(bào). 2018(01)
[4]基于灰度差分與模板的Harris角點(diǎn)檢測快速算法[J]. 張立亭,黃曉浪,鹿琳琳,陳竹安,徐志寬.  儀器儀表學(xué)報(bào). 2018(02)
[5]基于SIFT和改進(jìn)的RANSAC圖像配準(zhǔn)算法[J]. 賈雯曉,張貴倉,汪亮亮,秦娜.  計(jì)算機(jī)工程與應(yīng)用. 2018(02)
[6]基于引導(dǎo)濾波與改進(jìn)PCNN的多聚焦圖像融合算法[J]. 楊艷春,李嬌,黨建武,王陽萍.  光學(xué)學(xué)報(bào). 2018(05)
[7]非下采樣剪切波變換的醫(yī)學(xué)圖像融合[J]. 樓建強(qiáng),李俊峰,戴文戰(zhàn).  中國圖象圖形學(xué)報(bào). 2017(11)
[8]基于小波域改進(jìn)SURF的遙感圖像配準(zhǔn)算法[J]. 吳一全,王志來.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2017(10)
[9]一種基于小波變換的圖像融合方法[J]. 譚仁龍.  測繪通報(bào). 2017(09)
[10]基于改進(jìn)的非下采樣剪切波變換多聚焦圖像融合技術(shù)的研究[J]. 劉明君,董增壽,張鳳珍.  儀表技術(shù)與傳感器. 2017(09)



本文編號：3724103