本文選題：圖像拼接　切入點(diǎn)：圖像匹配　出處：《哈爾濱工程大學(xué)》2016年碩士論文

【摘要】：圖像拼接作為計(jì)算機(jī)視覺(jué)方面的一門關(guān)鍵學(xué)科,在許多領(lǐng)域和日常生活范疇內(nèi)都有著普遍的應(yīng)用。圖像拼接技術(shù)的產(chǎn)生就是為了解決寬視角與高空間分辨率不能兼得的缺陷,這成為大量科研工作者的研究熱點(diǎn),使普通的成像設(shè)備和一般的數(shù)碼相機(jī)都能獲取高清晰度的寬視野圖像。圖像拼接技術(shù)是針對(duì)部分重疊的圖像序列,在不降低原圖像清晰度的情況下使用計(jì)算機(jī)中的一些圖像處理算法,對(duì)圖像進(jìn)行特征信息的配準(zhǔn),再利用融合算法使拼接后的圖像具有寬視野、高清晰度、無(wú)縫等特點(diǎn)�？傮w上可理解為,圖像拼接的過(guò)程主要涵蓋重要兩步:圖像配準(zhǔn)和圖像融合。本文首先敘述了關(guān)于圖像拼接的基礎(chǔ)概念和相關(guān)技術(shù),有關(guān)圖像配準(zhǔn)方面闡述了幾種傳統(tǒng)常用的特征點(diǎn)匹配算法,經(jīng)過(guò)對(duì)比后發(fā)現(xiàn)傳統(tǒng)算法對(duì)圖像間發(fā)生尺度變化的匹配效果不好的劣勢(shì),提出了一種基于改進(jìn)FREAK算法的特征點(diǎn)匹配算法。改進(jìn)的算法將SURF算法和FREAK算法有效聯(lián)系為整體用于特征點(diǎn)檢測(cè)與篩選:利用SURF算法中Hessian矩陣確定候選點(diǎn),進(jìn)行非極大值抑制,建立尺度空間;然后用FREAK算法描述得到的特征點(diǎn),并分配方向,最終得到圖像匹配結(jié)果。實(shí)驗(yàn)表明,改進(jìn)算法在圖像特征點(diǎn)匹配準(zhǔn)確度上有一定的提高,并且對(duì)圖像的尺度差異、光照差異以及旋轉(zhuǎn)差異具有良好匹配效果。對(duì)給定部分重疊的原圖像實(shí)行拼接,使用本文提出的改進(jìn)FREAK算法應(yīng)用于原圖像實(shí)行特征點(diǎn)檢測(cè)與篩選,有利于圖像間的對(duì)齊準(zhǔn)確率;再結(jié)合RANSAC算法提純匹配對(duì),進(jìn)一步分析建立單應(yīng)性矩陣在新坐標(biāo)系下統(tǒng)一圖像的視角;接著采取線性漸變加權(quán)算法消除配準(zhǔn)產(chǎn)生的接縫,從而達(dá)到圖像拼接技術(shù)的實(shí)際應(yīng)用,經(jīng)處理后圖像具有寬視野、高質(zhì)量的特點(diǎn),具有良好的視覺(jué)效果。針對(duì)圖像融合技術(shù)提出了以小波變換為基礎(chǔ)的改進(jìn)的融合準(zhǔn)則方法,具體方法為小波變換把圖像解析為高頻系數(shù)與低頻系數(shù),高頻系數(shù)采用與兩種Laplacian模板算子卷積,并求其圖像熵函數(shù)作為清晰度評(píng)價(jià)判斷函數(shù)處理,再進(jìn)一步對(duì)熵函數(shù)比較求取最終系數(shù)值;低頻系數(shù)借鑒Otsu算法思想利用閾值結(jié)合拉普拉斯清晰度評(píng)價(jià)函數(shù)的判斷規(guī)則處理,將原圖像的能量最大限度提取,盡可能保留原圖像的概貌,最終使用小波逆變換重構(gòu)顯示出融合效果。對(duì)于融合結(jié)果圖,通過(guò)主觀圖像質(zhì)量評(píng)價(jià)并結(jié)合客觀圖像質(zhì)量評(píng)價(jià)的方法說(shuō)明改進(jìn)算法的有效性。
[Abstract]:As a key subject in computer vision, image mosaic has been widely used in many fields and daily life. This has become the research hotspot of a large number of researchers, so that ordinary imaging equipment and general digital cameras can obtain high-definition wide-field images. Image stitching is aimed at partially overlapping image sequences. Some image processing algorithms in the computer are used to register the feature information of the image without reducing the clarity of the original image, and then the fusion algorithm is used to make the stitched image have wide field of vision and high definition. Generally speaking, the process of image stitching mainly covers two important steps: image registration and image fusion. On the aspect of image registration, several traditional feature point matching algorithms are described. After comparison, it is found that the traditional algorithm has poor matching effect on the scale change between images. A feature point matching algorithm based on improved FREAK algorithm is proposed. The improved algorithm effectively links the SURF algorithm and the FREAK algorithm as a whole for feature point detection and screening. The candidate points are determined by using the Hessian matrix in the SURF algorithm and the non-maximum suppression is carried out. The scale space is established, then the feature points are described by FREAK algorithm, and the direction is assigned. Finally, the result of image matching is obtained. The experimental results show that the improved algorithm can improve the accuracy of image feature points matching to a certain extent. And it has a good matching effect on the scale difference, illumination difference and rotation difference of the image. The original image with a given overlap is stitched, and the improved FREAK algorithm proposed in this paper is used to detect and filter the feature points of the original image. It is beneficial to the accuracy of image alignment, and then combines the RANSAC algorithm to purify matching pairs, and further analyzes the establishment of monogram matrix in the new coordinate system unified image perspective; then the linear gradient weighting algorithm is adopted to eliminate the joint produced by registration. In order to achieve the practical application of image mosaic technology, the processed image has the characteristics of wide field of vision, high quality and good visual effect. An improved fusion criterion method based on wavelet transform is proposed for image fusion technology. The specific method is that the image is analyzed into high frequency coefficient and low frequency coefficient by wavelet transform, and high frequency coefficient is convolution with two kinds of Laplacian template operators, and its image entropy function is used as the definition evaluation function. Furthermore, the final coefficient is obtained by comparing the entropy function, and the low frequency coefficient is extracted from the maximum energy of the original image by using the threshold value combined with the judgment rule of Laplacian definition evaluation function for reference of Otsu algorithm. Finally, the fusion effect is shown by inverse wavelet transform. The effectiveness of the improved algorithm is illustrated by subjective image quality evaluation and objective image quality evaluation.
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王燦進(jìn);孫濤;陳娟;;基于FREAK特征的快速景象匹配[J];電子測(cè)量與儀器學(xué)報(bào);2015年02期

2 王坤臣;孫權(quán)森;;基于區(qū)域特性的Curvelet變換圖像融合算法[J];現(xiàn)代電子技術(shù);2015年02期

3 王燦進(jìn);孫濤;陳娟;;局部不變特征匹配的并行加速技術(shù)研究[J];液晶與顯示;2014年02期

4 何文建;李巖;;結(jié)合小波變換的梯度場(chǎng)圖像漸進(jìn)融合算法[J];計(jì)算機(jī)工程;2014年04期

5 紀(jì)利娥;楊風(fēng)暴;王志社;陳磊;;圖像配準(zhǔn)中特征點(diǎn)檢測(cè)算法的探討[J];電視技術(shù);2013年19期

6 萬(wàn)頃浪;張殿富;;基于距離變換的靶圖像匹配[J];科技視界;2013年06期

7 李京娜;王國(guó)宏;孫少燕;王剛;;基于改進(jìn)后的結(jié)構(gòu)相似度的三維圖像配準(zhǔn)[J];光電工程;2012年12期

8 李歡歡;黃山;張洪斌;;基于Harris與SIFT算法的自動(dòng)圖像拼接[J];計(jì)算機(jī)工程與科學(xué);2012年11期

9 李建偉;尚趙偉;楊君;;基于特征融合的維吾爾文筆跡鑒別方法[J];計(jì)算機(jī)應(yīng)用研究;2012年11期

10 徐陽(yáng);曹杰;;一種基于對(duì)比度閾值的改進(jìn)SIFT算法[J];電子設(shè)計(jì)工程;2012年19期

相關(guān)會(huì)議論文 前1條

1 周丹;屈玉福;;基于局部不變特征提取算法的圖像匹配技術(shù)研究[A];全國(guó)射線數(shù)字成像與CT新技術(shù)研討會(huì)論文集[C];2012年

相關(guān)博士學(xué)位論文 前3條

1 粟涓;特殊小波框架構(gòu)造與性質(zhì)分析[D];湖南師范大學(xué);2013年

2 陳志剛;基于Contourlet遙感圖像融合與壓縮技術(shù)研究[D];長(zhǎng)春理工大學(xué);2009年

3 黃清秀;連續(xù)小波變換的瞬時(shí)縮展對(duì)數(shù)域電路實(shí)現(xiàn)[D];湖南大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 王桂花;多特征融合技術(shù)的研究及其在醫(yī)學(xué)圖像識(shí)別中的應(yīng)用[D];西安科技大學(xué);2013年

2 肖冬杰;基于稀疏表示的自適應(yīng)圖像融合方法研究[D];南昌航空大學(xué);2013年

3 黃洋;全景圖像拼接算法研究[D];西安電子科技大學(xué);2013年

4 侯毅;圖像局部不變特征提取及應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

5 徐進(jìn)偉;基于小波變換的數(shù)字圖像融合研究[D];成都理工大學(xué);2012年

6 孔祥;基于移動(dòng)平臺(tái)增強(qiáng)現(xiàn)實(shí)系統(tǒng)的研究[D];西安電子科技大學(xué);2012年

7 陳燕文;基于SIFT與小波變換的圖像配準(zhǔn)融合方法研究[D];武漢理工大學(xué);2011年

8 齊偉;基于小波分析的汽車起重機(jī)常用鋼聲發(fā)射源特性研究[D];北京交通大學(xué);2010年

9 林學(xué)晶;視頻圖像拼接技術(shù)研究[D];南京理工大學(xué);2010年

10 羅香;基于多尺度特征相位相關(guān)的X線圖像拼接方法研究[D];中南大學(xué);2009年

，

本文編號(hào)：1692844