隨著計(jì)算機(jī)視覺與圖像處理技術(shù)的迅速發(fā)展,人們對(duì)于圖像的研究已從可見光圖像擴(kuò)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(chǎng)范圍窄等缺點(diǎn),對(duì)于那些需要寬視場(chǎng)、高分辨率全景圖像的應(yīng)用場(chǎng)景,難以達(dá)到要求。因此圖像拼接技術(shù)成為獲得全景圖像的一個(gè)主流趨勢(shì),研究適用于大場(chǎng)景下的紅外圖像拼接方法具有十分重要的價(jià)值和意義。本文重點(diǎn)研究全景圖像拼接方法的實(shí)現(xiàn)過程,在預(yù)處理階段,提出了自定義卷積核銳化算子的圖像增強(qiáng)方法,改善了紅外圖像質(zhì)量。在圖像配準(zhǔn)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(zhǔn)算法。針對(duì)傳統(tǒng)SIFT算法存在配準(zhǔn)率較低、實(shí)時(shí)性較差的問題,提出一種基于感興趣區(qū)域（Region of Interest,ROI）改進(jìn)的SIFT圖像配準(zhǔn)方法,該方法首先計(jì)算出相鄰圖像的ROI區(qū)域,然后在ROI中提取SIFT特征點(diǎn)并將其作為運(yùn)動(dòng)目標(biāo),使用光流（Kanade-Lucas-Tomasi,KLT）實(shí)時(shí)跟蹤... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：83 頁

【學(xué)位級(jí)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(xué)碩士學(xué)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(qiáng)結(jié)果圖2.5圖像增強(qiáng)結(jié)果對(duì)比圖由圖2.5圖像增強(qiáng)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(qiáng)處理后，圖像質(zhì)量明顯提升。圖2.5(a)是原始紅外圖像，對(duì)比圖2.5(b)和圖2.5(c)，自定義銳化算子增強(qiáng)后的圖像在細(xì)節(jié)紋理和邊緣輪廓上表現(xiàn)能力較強(qiáng)，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(fù)雜度不高，適合作為本文的預(yù)處理算法。2.4圖像配準(zhǔn)圖像配準(zhǔn)是指在同一場(chǎng)景下，使用特定的方法將不同條件下(時(shí)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(biāo)圖片上的過程[42]，配準(zhǔn)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(zhǔn)原理圖像配準(zhǔn)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(duì)這個(gè)匹配關(guān)聯(lián)進(jìn)行模型化來實(shí)現(xiàn)配準(zhǔn)。假設(shè)包含重復(fù)信息的兩幅圖像分別是yxh,1和yxh,2，它們之間的配準(zhǔn)關(guān)系可以用式(2.9)描述：21hx,yghfx,y(2.9)式中，fx,y是坐標(biāo)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(biāo)系下，其中1hx,y，2hx,y是兩幅圖像在x,y像素點(diǎn)，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(zhǔn)方法

重慶郵電大學(xué)碩士學(xué)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(zhǔn)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(cè)量法統(tǒng)計(jì)出兩個(gè)矩形模板的相似度極大值，取得極值就表明配準(zhǔn)。基于灰度統(tǒng)計(jì)的配準(zhǔn)結(jié)果如圖2.6所示。(a)參考圖像(b)模板區(qū)域(c)配準(zhǔn)結(jié)果圖2.6基于灰度統(tǒng)計(jì)的圖像配準(zhǔn)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(zhǔn)能夠獲得相對(duì)準(zhǔn)確的匹配位置，但該方法在實(shí)時(shí)性方面表現(xiàn)較差。(3)基于特征相關(guān)的圖像配準(zhǔn)算法與前兩種配準(zhǔn)方法不同，基于特征相關(guān)的配準(zhǔn)方法以圖像之間具有代表性的特征(特征點(diǎn)、顏色、紋理、邊緣等)為參考信息，首先檢測(cè)出每幅圖片的參考信息，然后按照相似性度量準(zhǔn)則進(jìn)行特征粗配準(zhǔn)，并以特定的方法估算單應(yīng)性矩陣完成圖像精配準(zhǔn)。根據(jù)前人的研究成果得知，點(diǎn)特征是效率最高的方法。較之于前兩種配準(zhǔn)方法，特征點(diǎn)配準(zhǔn)方法的計(jì)算量較小，當(dāng)圖像發(fā)生平移、旋轉(zhuǎn)、尺度縮放等復(fù)雜變時(shí)，該方法仍能保持良好的穩(wěn)定性和魯棒性，常用的特征點(diǎn)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(diǎn)的配準(zhǔn)方法。2.5圖像融合圖像融合是指在同一場(chǎng)景下，對(duì)配準(zhǔn)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(zhǔn)圖像的所有信息。但在實(shí)際的拍攝過程中，由于受拍攝角度、曝光差異、運(yùn)動(dòng)目標(biāo)等影響，配準(zhǔn)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(jí)融合方法、特征級(jí)融合方法及決策級(jí)融合方法[46]。其中，像素級(jí)融合方法因其具有較高

【參考文獻(xiàn)】：
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(duì)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(qiáng).  計(jì)算機(jī)工程與設(shè)計(jì). 2019(11)
[3]一種改進(jìn)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(jì)算機(jī)時(shí)代. 2019(09)
[5]基于SURF算法的紅外圖像拼接方法的改進(jìn)[J]. 王錦坤,張秋菊.  輕工機(jī)械. 2019(03)
[6]圖像融合質(zhì)量評(píng)價(jià)方法研究綜述[J]. 楊艷春,李嬌,王陽萍.  計(jì)算機(jī)科學(xué)與探索. 2018(07)
[7]一種改進(jìn)的Harris角點(diǎn)檢測(cè)的圖像配準(zhǔn)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(jìn)[J]. 陸園園,張明.  計(jì)算機(jī)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(xué)圖像配準(zhǔn)[J]. 鄭瑩,李光耀.  中國(guó)圖象圖形學(xué)報(bào). 2011(01)

碩士論文
[1]紅外圖像數(shù)字細(xì)節(jié)增強(qiáng)關(guān)鍵技術(shù)研究[D]. 李苗苗.南京郵電大學(xué) 2019
[2]基于改進(jìn)的SIFT特征的圖像匹配算法研究[D]. 章雷.安徽理工大學(xué) 2019
[3]紅外遙感圖像拼接技術(shù)研究[D]. 彭暢.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)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(xué) 2019
[5]基于特征匹配的視頻拼接算法研究[D]. 李巖.中國(guó)礦業(yè)大學(xué) 2019
[6]基于點(diǎn)特征的無人機(jī)遙感圖像拼接[D]. 成耀天.廣西大學(xué) 2018
[7]紅外全向圖像拼接算法研究與實(shí)現(xiàn)技術(shù)[D]. 鮮秦毅.西安電子科技大學(xué) 2018
[8]基于改進(jìn)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(xué) 2018
[9]基于改進(jìn)SIFT的柱面全景圖像拼接算法研究[D]. 何佳華.西南科技大學(xué) 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(xué) 2018



本文編號(hào)：3135949