發(fā)布時(shí)間：2021-01-04 05:37

　　車(chē)道圖像拼接技術(shù)是當(dāng)前智能化交通領(lǐng)域的研究熱點(diǎn)�，F(xiàn)階段車(chē)道攝像機(jī)拍攝到的車(chē)道圖像分辨率高但視野窄。交通部門(mén)需要高分辨率且寬視野的車(chē)道圖像。本文對(duì)現(xiàn)有拼接技術(shù)進(jìn)行優(yōu)化,為了提高車(chē)道圖像拼接質(zhì)量,本文研究了基于ORB特征配準(zhǔn)的車(chē)道圖像拼接技術(shù),首先利用改進(jìn)的GMS算法對(duì)粗匹配進(jìn)行提純,提升了車(chē)道圖像配準(zhǔn)精度。然后采用結(jié)合最優(yōu)縫合線的加權(quán)融合算法解決拼接圖像邊界裂縫問(wèn)題,獲得高質(zhì)量的車(chē)道拼接圖像。本文主要研究工作包括:1.本文使用ORB特征提取方法提取車(chē)道圖像特征點(diǎn),在特征點(diǎn)匹配階段,提出改進(jìn)的GMS算法對(duì)粗匹配提純,剔除錯(cuò)誤匹配。實(shí)驗(yàn)表明該算法有效提高了圖像配準(zhǔn)的精確度。2.本文針對(duì)車(chē)道拼接圖像邊界處存在裂縫問(wèn)題,使用結(jié)合最優(yōu)縫合線的加權(quán)融合算法對(duì)車(chē)道拼接圖像邊界處一定鄰域范圍進(jìn)行融合。實(shí)驗(yàn)表明該算法有效平滑了拼接裂縫,圖像整體觀感得到提高。3.本文設(shè)計(jì)并實(shí)現(xiàn)了車(chē)道圖像拼接原型系統(tǒng)。該系統(tǒng)在圖像配準(zhǔn)階段使用改進(jìn)的GMS算法對(duì)粗匹配提純,采用結(jié)合最優(yōu)縫合線的加權(quán)融合算法對(duì)拼接圖像融合,得到高質(zhì)量的車(chē)道拼接圖像。 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

車(chē)道圖像拼接算法流程圖

重慶郵電大學(xué)碩士學(xué)位論文第2章理論基礎(chǔ)概述7(c)經(jīng)中值濾波降噪后圖像(d)經(jīng)高斯濾波降噪后圖像(e)經(jīng)雙邊濾波降噪后圖像(f)經(jīng)導(dǎo)向?yàn)V波降噪后圖像圖2.2車(chē)道圖像去噪效果圖車(chē)道圖像均值濾波[23]首先需要構(gòu)建均值濾波模板，然后利用構(gòu)建的均值濾波模板對(duì)整幅圖像進(jìn)行掩模操作，將掩模計(jì)算得到的像素均值取代原中心像素值。此方法降噪效果十分明顯，但該方法會(huì)損失圖像的邊緣信息以及圖像的細(xì)節(jié)特征，不利于車(chē)道圖像特征提齲車(chē)道圖像高斯濾波主要通過(guò)設(shè)定高斯濾波矩陣的權(quán)值，通過(guò)高斯濾波矩陣得到高斯權(quán)值掩模，對(duì)整幅圖像進(jìn)行高斯掩模運(yùn)算得到降噪圖像。由于高斯濾波是一種

重慶郵電大學(xué)碩士學(xué)位論文第2章理論基礎(chǔ)概述10RobustIndependentElementaryFeatures,BRIEF)的特征點(diǎn)描述方法，使用改進(jìn)后的BRIEF算法對(duì)特征點(diǎn)進(jìn)行描述。FAST特征檢測(cè)方法相比于傳統(tǒng)的特征檢測(cè)方法在運(yùn)算速度上有著大幅度提高，該算法核心思想是通過(guò)選定某個(gè)像素點(diǎn)，統(tǒng)計(jì)該像素點(diǎn)領(lǐng)域中存在的不同灰度像素個(gè)數(shù)，判斷該點(diǎn)與其余點(diǎn)是否處于同一灰度域[33]，當(dāng)處于不同灰度域時(shí)確定該點(diǎn)為一個(gè)FAST角點(diǎn)。具體過(guò)程如下：1.隨機(jī)選取圖像中任意像素點(diǎn)，2.以此像素點(diǎn)為圓心半徑為R構(gòu)建圓形鄰域區(qū)域。如圖2.3所示，該圓形鄰域的原點(diǎn)為P，針對(duì)圓形外圍圈中的像素點(diǎn)進(jìn)行編號(hào)，將編號(hào)中的像素點(diǎn)與原點(diǎn)像素值做差，求取絕對(duì)值并將其與事先設(shè)定的閾值作比較，計(jì)算公式為：oPPx(2.1)圖2.3FAST特征檢測(cè)鄰域其中xP表示圓圈外圍像素值，oP表示圓圈中心像素值，表示設(shè)定閾值。FAST算法提到當(dāng)出現(xiàn)連續(xù)N個(gè)點(diǎn)像素差值滿足條件，則認(rèn)為該像素點(diǎn)為FAST角點(diǎn)。N值設(shè)置為12，在ORB算法中N值設(shè)定為9。為了加快運(yùn)算，從外圍像素點(diǎn)中抽取編號(hào)為1，5，9，13四個(gè)像素點(diǎn)進(jìn)行運(yùn)算，若其中至少有3個(gè)計(jì)算結(jié)果滿足條件，則繼續(xù)與其他點(diǎn)做差值運(yùn)算。使用該方法遍歷整幅圖像得到FAST角點(diǎn)，此時(shí)ORB算法作者將Harris角點(diǎn)檢測(cè)思想運(yùn)用到對(duì)FAST角點(diǎn)篩選中，并通過(guò)對(duì)篩選得到的角點(diǎn)進(jìn)行規(guī)則排序挑選其中最合適的角點(diǎn)作為ORB特征點(diǎn)。為了使檢測(cè)出的ORB特征點(diǎn)具有旋轉(zhuǎn)不變性[34]，作者將上述提到的以P為圓心的圓形區(qū)域看做是一塊有質(zhì)量的物體，其中每一點(diǎn)的質(zhì)量為該點(diǎn)的灰度值。通過(guò)質(zhì)心公式求得該區(qū)域質(zhì)心Q，

【參考文獻(xiàn)】：
期刊論文
[1]多場(chǎng)景下基于快速相機(jī)標(biāo)定的柱面圖像拼接方法[J]. 傅子秋,張曉龍,余成,梁丹,梁冬泰.  光電工程. 2020(04)
[2]基于位姿數(shù)據(jù)校正的遙感紅外圖像相似性先驗(yàn)拼接[J]. 王向軍,張嘉豪,王越.  紅外技術(shù). 2019(12)
[3]基于ORB和改進(jìn)的RANSAC圖像拼接算法[J]. 張美玉,王洋洋,侯向輝,秦緒佳.  計(jì)算機(jī)科學(xué). 2019(S2)
[4]基于超分辨率的多聚焦圖像融合算法研究[J]. 曹軍,陳鶴,張佳薇.  計(jì)算機(jī)工程與應(yīng)用. 2020(03)
[5]基于殘差全卷積網(wǎng)絡(luò)的圖像拼接定位算法[J]. 吳韻清,吳鵬,陳北京,鞠興旺,高野.  應(yīng)用科學(xué)學(xué)報(bào). 2019(05)
[6]基于SURF和最佳縫合線的車(chē)道圖像序列拼接研究[J]. 藍(lán)章禮,李戰(zhàn),李偉.  重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(10)
[7]基于超分辨率和組稀疏表示的多聚焦圖像融合[J]. 馮鑫,胡開(kāi)群,袁毅,張建華,翟治芬.  光子學(xué)報(bào). 2019(07)
[8]基于改進(jìn)ORB的警用無(wú)人機(jī)圖像配準(zhǔn)方法[J]. 王文爽,孫偉,王帥.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(01)
[9]基于局部聚類(lèi)的特征匹配篩選算法[J]. 王金寶,趙奎,劉閩,宗子瀟,王其樂(lè).  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(12)
[10]基于多分辨率局部與全局特征融合的人臉識(shí)別[J]. 阮小利,王順?lè)?  計(jì)算機(jī)工程與設(shè)計(jì). 2018(09)



本文編號(hào)：2956249