普通相機視野小,獲得的信息量少,通過傳感器對同一場景不同視角的拍攝可以得到多幅具有重疊區(qū)域的圖像,利用圖像拼接技術可以將一系列具有重疊區(qū)域的窄視角圖像合成為一幅高視覺質量的寬視角圖像。針對現有多視角圖像拼接方法存在的特征點漏檢率高、配準精度低、拼接痕跡嚴重和模糊等問題,本文提出了一種基于多平面配準和縫合線融合的多視角圖像拼接方法。主要工作和創(chuàng)新點包括:（1）針對現有多視角圖像拼接方法特征點漏檢率高的問題,提出一種基于平面相似度聚類的特征點篩選方法。首先,提取待拼接圖像的特征點,并利用基于距離比的K-D tree算法粗匹配;然后,根據相同平面特征點對應同一單應矩陣的特點,計算特征匹配對間的平面相似度;最后,利用凝聚層次聚類算法將特征匹配對劃分為誤匹配集和正確匹配集,實現特征點篩選。（2）針對現有多視角圖像拼接方法配準精度低的問題,提出一種基于多平面局部單應變換的配準方法。首先,將圖像劃分為大小相同的密集網格,根據特征點凝聚層次聚類結果計算每個網格對應的平面;然后,根據特征點平面和網格所在平面之間的關系以及特征點到網格中心點的距離,定義局部單應變換的權重矩陣;最后,采用捆綁約束算法優(yōu)化變換... 

【文章來源】：蘇州大學江蘇省 211工程院校

【文章頁數】：73 頁

【學位級別】：碩士

【部分圖文】：

圖１－１圖像拼接流程??本文針對特征點漏檢率高和配準精度低的問題，改進了?ＡＰＡＰ模型的特征點篩選??和配準算法，針對拼接痕跡嚴重和融合圖像模糊的問題，改進了縫合線算法中的能量??

基于多平面配準和縫合線融合的多視角圖像拼接研究?第二章基于平面相似度聚類的特征點匹配??圖像的梯度信息確定的，因此具備旋轉不變性。??（４）生成關鍵點描述子：將坐標軸旋轉到關鍵點的主方向上，對關鍵點指定大??小的鄰域分成４＊４的子區(qū)域，統(tǒng)計每個子區(qū)域中８個方向的梯度大小，生成４＊４＊８＝１２８??維的向量，如圖２－４所示。??通過ＳＩＦＴ算法可以提取待拼接圖像的特征點，如圖２－５所示，其中圖２－５（ａ）包含了??２０９４個特征點，圖２－５（ｂ）包含了３０１３個特征點，每個特征點都有自己的方向和大校??Ｉ?１?Ｗ?Ｉ．—??．．．??＾■八？＜?，＼ｙ?，??＾?＼?／Ｐ＊??圖２－４?ＳＩＦＴ特征描述子??⑷視點１圖像ＳＩＦＴ特征點?（ｂ）視點２圖像ＳＩＦＴ特征點??圖２－５?ＳＩ?ＦＴ特征提取??對每幅圖像提取特征點之后，需要計算不同圖像間特征點的粗匹配集。本文將特??征向量之間的歐式距離作為特征點匹配的相似性度量值。對于兩個具有１２８維特征描??述向量的ＳＩＦＴ特征點ｐ和＋其每一維的描述子分別為外和／Ｖ兩點間的相似性度量??值為：??１７２８??Ｄｓ＝ＪＸ（＾（〇－＾〇））２?（２－９）??在待匹配圖像的特征點集中，搜索其他圖像所有特征點與待匹配點距離最小的最??近鄰特征點ｇ和次小的次近鄰特征點，，對應的相似性度量值分別是Ｄ：和。若Ｄ：??與故’的比值小于指定閾值ｒ，則認為（ＰＷ）是一對正確的特征點匹配對，否則，認??為沒有匹配點。文獻［４４］中通過對特征點概率分布的計算，指出將閾值ｒ設置為０．４－０．６??１５??

第二章基于平面相似度聚類的特征點匹配?基于多平面配準和縫合線融合的多視角圖像拼接研宄??時特征點匹配的效果最好。因此，本文的閾值選取為０．４。??為了提高特征點向量的匹配效率，在計算最近鄰特征點和次近鄰特征點時，本文??采用基于優(yōu)先隊列的Ｋ－Ｄ?Ｔｒｅｅ結構該方法能夠快速有效地搜索到最近鄰和次近鄰??特征點。通過以上步驟，初步檢測到了特征匹配對的集合Ｃ，如圖２－６所示，顯示了圖??２－５中特征點的粗匹配結果，圖中包含了?３５５個特征匹配對。??一．．．麵秦；＾??圖２－６特征點粗匹配??２．３．２特征點相似性度量??由于基于歐式距離的特征點匹配算法會導致特征點匹配集中存在大量的誤匹配??對，對圖像配準的結果影響較大。因此，如何正確剔除粗匹配點集中的誤匹配對，決??定了圖像配準算法的穩(wěn)定性。??在特征點篩選時，首先對特征點采樣，構建多組最小采樣集，再利用全局單應變??換模型對每一個采樣集計算變換函數，將每組匹配對變換之后的距離作為誤差，并以??該誤差為依據剔除誤匹配點。??由于計算單應矩陣最少需要４對特征點匹配對，因此，最小采樣集的樣本量為４。??采樣策略是從特征點匹配集Ｃ在圖像Ａ的點中隨機選擇１個特征點再從圖像／！??中與該點距離為ｄ的范圍內隨機抽取３個特征點，判斷４點是否共線，若不共線，則??構成一組最小采樣集。距離Ｊ如式（２－１０）所示。??ｄ＝＾ｉｃｌ／ｃｌｙ＋（ｗＪ／ｃ２ｙ－?（２．１０）??其中，／ｒｆ和ｍｖ分別是圖像／！的長度和寬度，Ｃ；ｘＣ２是劃分的網格數。??按照采樣規(guī)則得到尺個最小采樣集，根據式（２－７）分別計算每個最小采樣集的單??應變換，得到／／：??１６??

【參考文獻】：
期刊論文
[1]基于特征分塊的視差圖像拼接算法[J]. 張晶晶,翟東海,黃莉芝,喻強.  計算機工程. 2018(05)
[2]二值化的SIFT特征描述子及圖像拼接優(yōu)化[J]. 李倩,江澤濤.  中國圖象圖形學報. 2016(12)
[3]基于改進BRISK的圖像拼接算法[J]. 董強,劉晶紅,王超,周前飛.  電子與信息學報. 2017(02)
[4]局部特征及視覺一致性的柱面全景拼接算法[J]. 朱慶輝,尚媛園,邵珠宏,尹曄.  中國圖象圖形學報. 2016(11)
[5]單攝像頭旋轉監(jiān)控下的快速圖像拼接[J]. 杜往澤,宋執(zhí)環(huán),閆文博,吳樂剛.  中國圖象圖形學報. 2016 (02)
[6]基于重疊區(qū)域的高性能近似kD樹算法[J]. 鄭明玲,許柯,劉衡竹,魏登萍,李寶峰.  計算機輔助設計與圖形學學報. 2015(06)



本文編號：3442673