針對(duì)常用的圖像拼接算法中存在拼接效率低、視差圖像拼接效果差等問題,提出一種基于改進(jìn)ORB＿GMS（Oriented FAST and Rotated BRIEF＿Grid-based Motion Statistics）算法的大視差圖像拼接方法,即ORB＿M(jìn)SURF＿GMS法。該方法首先利用高斯函數(shù)構(gòu)建尺度空間,借助FAST算法提取尺度空間特征點(diǎn),使用小波函數(shù)提取MSURF（M-Speeded Up Robust Features）描述符并匹配,得到魯棒性更強(qiáng)的改進(jìn)ORB（Oriented FAST and Rotated BRIEF）算法;然后通過運(yùn)動(dòng)網(wǎng)格統(tǒng)計(jì)算法篩選匹配點(diǎn);隨后,根據(jù)匹配點(diǎn)Harris強(qiáng)度值,提出使用非極大值抑制算法均勻化處理特征點(diǎn);最后,借助盡可能投影算法對(duì)待匹配圖像進(jìn)行配準(zhǔn),并借助拉普拉斯金字塔算法融合重疊區(qū)域圖像,從而得到完整的拼接圖像。將改進(jìn)的ORB＿GMS算法與常用的特征匹配算法,在Oxford數(shù)據(jù)集中對(duì)算法的光照魯棒性、旋轉(zhuǎn)不變性、尺度不變性、抗模糊變換不變性等指標(biāo)進(jìn)行對(duì)比評(píng)價(jià),驗(yàn)證了本文所提匹配算法具有較好的魯棒性、效率較高、可保留更多的正確匹配點(diǎn)。將... 

【文章來源】：遼寧工程技術(shù)大學(xué)遼寧省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

無人機(jī)航拍拼接圖像

?詡撲慊?誆?仿真建立一個(gè)為現(xiàn)實(shí)世界類似的虛擬世界，用戶可通過三維穿戴設(shè)備與虛擬現(xiàn)實(shí)世界交互，并通過三維視覺可體驗(yàn)與現(xiàn)實(shí)類似的情景[17-18]。虛擬現(xiàn)實(shí)技術(shù)是圖形圖像處理的一個(gè)重要前沿研究方向，可廣泛應(yīng)用于電子商務(wù)、醫(yī)療、虛擬現(xiàn)實(shí)游戲、虛擬體驗(yàn)、旅游等場(chǎng)景。虛擬現(xiàn)實(shí)地圖制作離不開圖像拼接技術(shù)[19-20]，圖像拼接效果質(zhì)量直接影響虛擬現(xiàn)實(shí)的逼真程度。使用多個(gè)相機(jī)分別采集現(xiàn)實(shí)情境的圖像，然后借助圖像拼接算法構(gòu)建成360圖像，用戶可以根據(jù)自己喜好任意旋轉(zhuǎn)虛擬現(xiàn)實(shí)地圖，從不同方向觀看地圖，虛擬現(xiàn)實(shí)地圖如圖1.2所示。圖1.2虛擬現(xiàn)實(shí)圖像拼接Figure1.2Virtualrealityimagemosaic在現(xiàn)實(shí)生活中，隨著移動(dòng)拍攝設(shè)備普及，越來越多的人習(xí)慣用手機(jī)拍攝圖像，由于拍攝環(huán)境復(fù)雜、拍攝者技術(shù)良莠不齊等，導(dǎo)致相鄰圖像的焦點(diǎn)、拍攝平面不同，相鄰拍攝圖像具有較大視差，致使圖像拼接難度大大增加。1.2國(guó)內(nèi)外研究現(xiàn)狀圖像拼接主要有三個(gè)步驟，圖像匹配、圖像配準(zhǔn)和重疊區(qū)域融合，每一個(gè)步驟都至關(guān)重要，直接影響拼接圖像質(zhì)量。圖像匹配是根據(jù)兩張待匹配圖像上紋理信息，對(duì)重疊區(qū)域上的具有相同紋理特征進(jìn)行匹配，簡(jiǎn)而言之就是尋找兩張圖像相同部分。圖像配準(zhǔn)是在圖像匹配后，根據(jù)相同部分的位置或者空間關(guān)系，計(jì)算出不同關(guān)系式，并進(jìn)行配準(zhǔn)的過程。圖像融合是對(duì)具有重疊區(qū)域進(jìn)行處理的過程。局部特征匹配算法主要分為三個(gè)步驟：尺度空間構(gòu)建、特征點(diǎn)提取和描述符構(gòu)建，根據(jù)描述符的類型不同可把局部特征匹配算法分為：浮點(diǎn)型描述符匹配方法和二進(jìn)制描述符匹配算法。2004年Low等人提出了SIFT(Scale-InvariantFeatureTransform)算法[21]，該算法為特征匹配算法翻開了嶄新篇章，首先借助高斯濾波函數(shù)構(gòu)建尺度空間，然后對(duì)相鄰高斯尺度層做差?

?∩�，D.Lowe等人提出了AutoStitching算法[41]，該算法先借助SIFT算法完成特征匹配，然后使用隨機(jī)采樣一致性算法篩選內(nèi)點(diǎn)，最后計(jì)算單應(yīng)性矩陣完成配準(zhǔn)。該方法對(duì)于無視差待拼接圖像，拼接效果較好，但是若是待拼接圖像具有較大視差，則重疊區(qū)域會(huì)有巨大重影，非重疊區(qū)域會(huì)出現(xiàn)畸變。針對(duì)AutoStitching算法對(duì)具有視差圖像拼接效果較差等問題，Gao等人提出把目標(biāo)圖像按照紋理差異分為前后景[42]，并分別計(jì)算前后景的單應(yīng)性矩陣進(jìn)行投影配準(zhǔn)。該算法首先借助SIFT算法完成特征匹配，然后特征點(diǎn)聚類操作，可把特征點(diǎn)分為兩組，如圖1.3所示，前景特征點(diǎn)聚類為黃色、后景特征點(diǎn)聚類為綠色，然后對(duì)兩組特征點(diǎn)分別計(jì)算單應(yīng)性矩陣配準(zhǔn)。Lin等人提出一種平滑過渡的仿射變換模型[43]，該模型對(duì)小視差圖像拼接效果較好。圖1.3雙單應(yīng)性矩陣拼接過程Figure1.3Double-homogeneousmatrixsplicingprocess針對(duì)上述算法對(duì)具有視差的圖像配準(zhǔn)效果較差等問題，JulioZaragoza等人提出盡可能投影算法(As-Projective-As-PossibleImageStitching，APAP)[44,45]，該算法首先借助SIFT算法圖像匹配，然后使用隨機(jī)采樣一致性算法篩選內(nèi)點(diǎn)，隨后對(duì)目標(biāo)圖像網(wǎng)格劃分，最后根據(jù)特征點(diǎn)分布計(jì)算每個(gè)網(wǎng)格單應(yīng)性矩陣并添加高斯權(quán)重值，完成配準(zhǔn)。該方法對(duì)具視差的圖像配準(zhǔn)效果較好，靈活度較高。盡可能投影算法對(duì)特征點(diǎn)數(shù)量和分布要求較高，而人造

【參考文獻(xiàn)】：
期刊論文
[1]虛擬現(xiàn)實(shí)技術(shù)的現(xiàn)狀與發(fā)展[J]. 劉顏東.  中國(guó)設(shè)備工程. 2020(14)
[2]基于ORB-SLAM2系統(tǒng)的快速誤匹配剔除算法與地圖構(gòu)建[J]. 席志紅,王洪旭,韓雙全.  計(jì)算機(jī)應(yīng)用. 2020(11)
[3]特征點(diǎn)聚類高精度視差圖像拼接[J]. 謝從華,張冰,高蘊(yùn)梅.  中國(guó)圖象圖形學(xué)報(bào). 2020(06)
[4]基于DDTW的非線形建筑數(shù)字圖像形貌拼接仿真[J]. 張華.  計(jì)算機(jī)仿真. 2020(06)
[5]基于GPU的實(shí)時(shí)SIFT算法[J]. 汪亮,周新志,嚴(yán)華.  計(jì)算機(jī)科學(xué). 2020(08)
[6]基于改進(jìn)ORB算法的圖像特征點(diǎn)提取與匹配方法[J]. 楊弘凡,李航,陳凱陽,李嘉琪,王曉菲.  圖學(xué)學(xué)報(bào). 2020(04)
[7]廢棄礦山植被覆蓋度無人機(jī)遙感快速提取技術(shù)[J]. 王美琪,楊建英,孫永康,王高平,謝宇虹.  中國(guó)水土保持科學(xué). 2020(02)
[8]基于改進(jìn)ORB算法的VSLAM特征匹配算法研究[J]. 楊立闖,馬杰,馬鵬飛,王旭嬌,王楠楠.  河北工業(yè)大學(xué)學(xué)報(bào). 2020(02)
[9]一種改進(jìn)的APAP影像匹配算法[J]. 張冬梅,盧小平,苗沛基,周雨石,馬靚婷.  測(cè)繪通報(bào). 2020(03)
[10]基于特征提取的圖像拼接方法[J]. 李芹.  現(xiàn)代計(jì)算機(jī). 2020(09)



本文編號(hào)：3289207