本文選題：關(guān)鍵幀　切入點(diǎn)：圖像拼接　出處：《南昌航空大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：圖像是人類獲取信息的重要渠道之一。隨著時(shí)代變遷,人們不再滿足于普通視角圖像,而是尋求寬視角圖像。然而,可以直接獲取寬視角圖像的廣角鏡頭相對(duì)較貴,且圖像存在一定程度畸變。所以,通過普通硬件設(shè)備獲取寬視角圖像成為了研究熱門。近年來涌現(xiàn)出很多基于視頻序列的圖像拼接算法,但是,當(dāng)視頻序列之間的尺度、光線、角度發(fā)生變化時(shí),拼接效果不甚理想。為此,本文針對(duì)現(xiàn)有圖像拼接算法中存在的問題提出改進(jìn)方案,具體改進(jìn)策略如下:(1)針對(duì)視頻的幀間冗余問題,統(tǒng)計(jì)分析選擇幀間隔對(duì)匹配點(diǎn)個(gè)數(shù)、匹配時(shí)間、誤匹配率的影響,提出基于數(shù)據(jù)統(tǒng)計(jì)曲線的關(guān)鍵幀提取方法,大大減少了拼接工作量。(2)針對(duì)SIFT算法計(jì)算速度低,匹配精度不高的問題,提出了一種結(jié)合多維定標(biāo)和局部紋理特征的改進(jìn)SIFT匹配算法。首先,通過MDS算法對(duì)128維SIFT特征描述符進(jìn)行降維,有效地提高SIFT特征匹配的計(jì)算速度。與其他降維算法相比,MDS保證了數(shù)據(jù)的幾何拓?fù)湫?然后,基于特征一致性匹配規(guī)則和比值一致性匹配規(guī)則提出一種改進(jìn)的雙向匹配策略;最后,分析比對(duì)原始灰度圖像上匹配點(diǎn)對(duì)鄰域的旋轉(zhuǎn)不變LBP紋理特征,進(jìn)一步降低了誤匹配率。(3)針對(duì)融合后圖像存在人為加工痕跡(拼接縫)的問題,將泊松融合引入到圖像序列的拼接中。首先利用SIFT圖像配準(zhǔn)算法,獲取圖像序列的重疊區(qū)域,然后初始化泊松融合參數(shù),最后通過求解泊松融合實(shí)現(xiàn)無縫拼接。為了解決泊松融合中顏色失真的問題,基于傳統(tǒng)的泊松融合算法提出加權(quán)泊松融合算法。以不同場(chǎng)景下的實(shí)拍圖像為實(shí)例進(jìn)行實(shí)驗(yàn)仿真。仿真結(jié)果表明,與同類算法相比,該方法在匹配精度和匹配速度、融合效果上都得到一定程度的改善。
[Abstract]:Image is one of the important ways for human to obtain information. With the change of times, people are no longer satisfied with the image of common view, but seek the image of wide angle of view. However, the wide-angle lens which can directly obtain the image of wide angle of view is relatively expensive. In recent years, a lot of image mosaic algorithms based on video sequences have emerged, but when the scale between video sequences, light, When the angle changes, the stitching effect is not very good. Therefore, this paper proposes an improved scheme to solve the problems existing in the existing image stitching algorithms. The specific improvement strategy is as follows: 1) aiming at the inter-frame redundancy of video, This paper analyzes the influence of frame interval on the number of matching points, matching time and mismatch rate. A key frame extraction method based on data statistical curve is proposed, which greatly reduces the workload of stitching. An improved SIFT matching algorithm combining multidimensional scaling and local texture features is proposed. Firstly, the dimension reduction of 128-dimensional SIFT feature descriptors is achieved by MDS algorithm. Compared with other dimensionality reduction algorithms, SIFT ensures the geometric topology of the data, and then proposes an improved bidirectional matching strategy based on the matching rule of feature consistency and the matching rule of ratio consistency. Finally, we analyze the rotation invariant LBP texture features of matching points on the original gray image, and further reduce the mismatch rate. Poisson fusion is introduced into the mosaic of image sequences. Firstly, the overlapping regions of image sequences are obtained by using SIFT image registration algorithm, and then Poisson fusion parameters are initialized. In order to solve the problem of color distortion in Poisson fusion, we realize seamless stitching by solving Poisson fusion. Based on the traditional Poisson fusion algorithm, a weighted Poisson fusion algorithm is proposed. The simulation results show that the proposed method is more accurate and faster than the similar algorithms. The fusion effect is improved to some extent.
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 安婷;賀一民;張志毅;;改進(jìn)的雙向SIFT特征匹配算法[J];計(jì)算機(jī)工程與科學(xué);2016年01期

2 伍夢(mèng)琦;李中偉;鐘凱;史玉升;;基于幾何特征和圖像特征的點(diǎn)云自適應(yīng)拼接方法[J];光學(xué)學(xué)報(bào);2015年02期

3 雷飛;王文學(xué);王雪麗;任維;;基于改進(jìn)SURF的實(shí)時(shí)視頻拼接方法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2015年03期

4 魏川;張功國;呂曉萌;;圖像拼接技術(shù)在雙攝像機(jī)監(jiān)控中的應(yīng)用[J];激光與紅外;2014年04期

5 李亮;顧國華;錢惟賢;陳錢;任建樂;;基于特征點(diǎn)和泊松融合的紅外序列圖像拼接[J];紅外與激光工程;2013年09期

6 鄒麗暉;陳杰;張娟;盧婧華;;一種多尺度PHOG特征和最優(yōu)縫合線的運(yùn)動(dòng)場(chǎng)景圖像拼接算法[J];模式識(shí)別與人工智能;2012年04期

7 魏麗芳;潘林;鄭炳錕;余輪;;優(yōu)化的多幅眼底圖像拼接方法[J];中國圖象圖形學(xué)報(bào);2011年12期

8 盧瑜;郝興文;王永俊;;Moravec和Harris角點(diǎn)檢測(cè)方法比較研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年06期

9 馬毅蕊;鄧鋼;呂金輝;;基于自由像片重疊區(qū)域的算法研究[J];微型機(jī)與應(yīng)用;2011年07期

10 周博;鄭加強(qiáng);周宏平;;樹木圖像拼接系統(tǒng)特征點(diǎn)匹配[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2010年10期

相關(guān)博士學(xué)位論文 前8條

1 陳錦偉;敏捷衛(wèi)星遙感圖像配準(zhǔn)和拼接技術(shù)研究[D];浙江大學(xué);2014年

2 楊揚(yáng);基于多尺度分析的圖像融合算法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2013年

3 趙語;地面農(nóng)業(yè)遙感平臺(tái)在能源作物生物量監(jiān)測(cè)中的研究與應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2012年

4 曾霖;圖像拼接技術(shù)的研究、實(shí)現(xiàn)與應(yīng)用[D];武漢大學(xué);2012年

5 馮宇平;圖像快速配準(zhǔn)與自動(dòng)拼接技術(shù)研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2010年

6 楊占龍;基于特征點(diǎn)的圖像配準(zhǔn)與拼接技術(shù)研究[D];西安電子科技大學(xué);2008年

7 孫少燕;基于像素灰度的醫(yī)學(xué)圖像剛性配準(zhǔn)方法研究[D];大連理工大學(xué);2007年

8 彭士純;基于多尺度分析的醫(yī)學(xué)圖像配準(zhǔn)與融合方法研究[D];華中科技大學(xué);2006年

相關(guān)碩士學(xué)位論文 前5條

1 趙書睿;全景圖像拼接關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2013年

2 郭晶;基于特征點(diǎn)的多幅圖像拼接技術(shù)研究[D];西安科技大學(xué);2012年

3 薛常亮;基于SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像檢索系統(tǒng)研究與實(shí)現(xiàn)[D];東北大學(xué);2012年

4 馬杰;360°全景圖像拼接技術(shù)研究[D];西南財(cái)經(jīng)大學(xué);2012年

5 朱廣新;基于特征點(diǎn)匹配的圖像拼接及醫(yī)學(xué)應(yīng)用[D];南京理工大學(xué);2007年

，

本文編號(hào)：1636895