隨著計算機視覺與圖像處理技術(shù)的迅速發(fā)展,人們對于圖像的研究已從可見光圖像擴展到熱紅外圖像。熱紅外圖像描述的是物體溫度圖像,具有良好的抗干擾能力、辨別偽裝的能力,并且可以全天候工作,被廣泛應(yīng)用于軍事領(lǐng)域和民事領(lǐng)域。但熱紅外圖像往往具有空間分辨率低、視場范圍窄等缺點,對于那些需要寬視場、高分辨率全景圖像的應(yīng)用場景,難以達到要求。因此圖像拼接技術(shù)成為獲得全景圖像的一個主流趨勢,研究適用于大場景下的紅外圖像拼接方法具有十分重要的價值和意義。本文重點研究全景圖像拼接方法的實現(xiàn)過程,在預處理階段,提出了自定義卷積核銳化算子的圖像增強方法,改善了紅外圖像質(zhì)量。在圖像配準階段,深入研究基于尺度不變特征變換（Scale Invariant Feature Transform,SIFT）的圖像配準算法。針對傳統(tǒng)SIFT算法存在配準率較低、實時性較差的問題,提出一種基于感興趣區(qū)域（Region of Interest,ROI）改進的SIFT圖像配準方法,該方法首先計算出相鄰圖像的ROI區(qū)域,然后在ROI中提取SIFT特征點并將其作為運動目標,使用光流（Kanade-Lucas-Tomasi,KLT）實時跟蹤... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【部分圖文】：

不同算法的圖像濾波結(jié)果

重慶郵電大學碩士學位論文第2章紅外全景圖像拼接技術(shù)的理論研究17(c)自定義銳化算子圖像增強結(jié)果圖2.5圖像增強結(jié)果對比圖由圖2.5圖像增強處理結(jié)果可知，經(jīng)拉普拉斯算子和本文自定義的銳化算子增強處理后，圖像質(zhì)量明顯提升。圖2.5(a)是原始紅外圖像，對比圖2.5(b)和圖2.5(c)，自定義銳化算子增強后的圖像在細節(jié)紋理和邊緣輪廓上表現(xiàn)能力較強，圖2.5(c)中的建筑物和樹木的邊緣輪廓更清晰，既保證了拉普拉斯銳化效果，又體現(xiàn)了原始圖像的背景信息，且該算法復雜度不高，適合作為本文的預處理算法。2.4圖像配準圖像配準是指在同一場景下，使用特定的方法將不同條件下(時間、曝光差異、光照等)獲得的多幅圖片的最優(yōu)區(qū)域?qū)?yīng)到目標圖片上的過程[42]，配準效果的優(yōu)良直接關(guān)系著拼接圖的主觀視覺效果。1．圖像配準原理圖像配準首先將相鄰圖像間重疊部分的特征建立匹配關(guān)聯(lián)，然后再對這個匹配關(guān)聯(lián)進行模型化來實現(xiàn)配準。假設(shè)包含重復信息的兩幅圖像分別是yxh,1和yxh,2，它們之間的配準關(guān)系可以用式(2.9)描述：21hx,yghfx,y(2.9)式中，fx,y是坐標映射模型，將兩幅待拼接的圖像1hx,y和2hx,y變換到同一坐標系下，其中1hx,y，2hx,y是兩幅圖像在x,y像素點，gx,y是灰度變換函數(shù)，它在這里的用途是把三通道圖像轉(zhuǎn)換成灰度圖像。2.圖像配準方法

重慶郵電大學碩士學位論文第2章紅外全景圖像拼接技術(shù)的理論研究19來定)的矩形區(qū)域模板；然后在待配準圖像的相似區(qū)域中搜索相同尺寸的矩形模板，最后借助相似度測量法統(tǒng)計出兩個矩形模板的相似度極大值，取得極值就表明配準�；诨叶冉y(tǒng)計的配準結(jié)果如圖2.6所示。(a)參考圖像(b)模板區(qū)域(c)配準結(jié)果圖2.6基于灰度統(tǒng)計的圖像配準結(jié)果圖2.6(b)是從圖2.6(a)中截取的一部分矩形區(qū)域模板，利用灰度配準能夠獲得相對準確的匹配位置，但該方法在實時性方面表現(xiàn)較差。(3)基于特征相關(guān)的圖像配準算法與前兩種配準方法不同，基于特征相關(guān)的配準方法以圖像之間具有代表性的特征(特征點、顏色、紋理、邊緣等)為參考信息，首先檢測出每幅圖片的參考信息，然后按照相似性度量準則進行特征粗配準，并以特定的方法估算單應(yīng)性矩陣完成圖像精配準。根據(jù)前人的研究成果得知，點特征是效率最高的方法。較之于前兩種配準方法，特征點配準方法的計算量較小，當圖像發(fā)生平移、旋轉(zhuǎn)、尺度縮放等復雜變時，該方法仍能保持良好的穩(wěn)定性和魯棒性，常用的特征點提取方式有：Harris、SIFT、SURF、FAST等[44]，在第3章中將著重研究有關(guān)特征點的配準方法。2.5圖像融合圖像融合是指在同一場景下，對配準結(jié)果按照一定的方法合并成一幅過渡自然、亮度均勻、無縫隙及無“重影”圖像的過程，最大限度地保留配準圖像的所有信息。但在實際的拍攝過程中，由于受拍攝角度、曝光差異、運動目標等影響，配準的圖像往往出現(xiàn)拼接縫隙、重影問題，直接影響著拼接圖像的視覺效果[45]，因此需要借助融合技術(shù)來解決以上問題�，F(xiàn)有的圖像融合方法有：像素級融合方法、特征級融合方法及決策級融合方法[46]。其中，像素級融合方法因其具有較高

【參考文獻】：
期刊論文
[1]基于顯著性權(quán)重融合的圖像拼接算法[J]. 朱凌云,鄭志天.  電子制作. 2019(24)
[2]針對高分辨率遙感圖像的融合拼接算法[J]. 么鴻原,林雪原,王海鵬,郭強.  計算機工程與設(shè)計. 2019(11)
[3]一種改進的最佳縫合線算法[J]. 羅順元,蒼巖,喬玉龍.  應(yīng)用科技. 2019(06)
[4]圖像融合技術(shù)發(fā)展綜述[J]. 史敏紅.  計算機時代. 2019(09)
[5]基于SURF算法的紅外圖像拼接方法的改進[J]. 王錦坤,張秋菊.  輕工機械. 2019(03)
[6]圖像融合質(zhì)量評價方法研究綜述[J]. 楊艷春,李嬌,王陽萍.  計算機科學與探索. 2018(07)
[7]一種改進的Harris角點檢測的圖像配準方法[J]. 張見雙,張紅民,羅永濤,陳柏元.  激光與紅外. 2017(02)
[8]基于SIFT算法的紅外圖像拼接方法改進[J]. 陸園園,張明.  計算機系統(tǒng)應(yīng)用. 2015(08)
[9]Super-resolution reconstruction of images based on uncontrollable microscanning and genetic algorithm[J]. 代少升,劉勁松,向海燕,杜智慧,劉琴.  Optoelectronics Letters. 2014(04)
[10]區(qū)域和局部信息結(jié)合的雙向醫(yī)學圖像配準[J]. 鄭瑩,李光耀.  中國圖象圖形學報. 2011(01)

碩士論文
[1]紅外圖像數(shù)字細節(jié)增強關(guān)鍵技術(shù)研究[D]. 李苗苗.南京郵電大學 2019
[2]基于改進的SIFT特征的圖像匹配算法研究[D]. 章雷.安徽理工大學 2019
[3]紅外遙感圖像拼接技術(shù)研究[D]. 彭暢.中國科學院大學(中國科學院長春光學精密機械與物理研究所) 2019
[4]多圖像去噪方法及應(yīng)用[D]. 陳銀星.五邑大學 2019
[5]基于特征匹配的視頻拼接算法研究[D]. 李巖.中國礦業(yè)大學 2019
[6]基于點特征的無人機遙感圖像拼接[D]. 成耀天.廣西大學 2018
[7]紅外全向圖像拼接算法研究與實現(xiàn)技術(shù)[D]. 鮮秦毅.西安電子科技大學 2018
[8]基于改進SIFT算法的遙感影像拼接算法研究[D]. 徐哲男.東北農(nóng)業(yè)大學 2018
[9]基于改進SIFT的柱面全景圖像拼接算法研究[D]. 何佳華.西南科技大學 2018
[10]基于SIFT特征圖像拼接的全景顯示技術(shù)研究[D]. 沈鵬.電子科技大學 2018



本文編號：3135949