圖像拼接技術(shù)就是把拍攝得到的圖像序列合成一幅大圖像,使其能夠很好地滿足人們在日常生活、工作、學習中對寬視野圖像的需求。其實質(zhì)就是利用待拼接圖像間的空間變換關(guān)系,將待拼接圖像進行配準,之后再把待拼接圖像映射到同一坐標系下,進而形成一幅寬視野的圖像。圖像配準是圖像拼接技術(shù)的核心。配準方法可分為三類:利用圖像灰度信息進行配準、利用圖像變換域進行配準、利用圖像特征點進行配準。利用圖像特征點進行配準的方法有如下優(yōu)點:1、特征點的提取過程可以減少噪聲的影響,對圖像遮擋、光照變化等都有較好的魯棒性。2、特征點的數(shù)量要比圖像像素點的數(shù)量少得多,利用特征點進行匹配可以降低配準過程的計算量。3、特征點的匹配度量值受畸變的影響較小,進而可以提高配準的精度。因此,本文將利用圖像特征點的配準方法來實現(xiàn)圖像的配準。SIFT（Scale-Invariant Feature Transform）特征在圖像的眾多特征中具有良好的性質(zhì),其不僅對方向不敏感,而且對旋轉(zhuǎn)、尺縮等變換都具有較強的魯棒性。但由于SIFT算法提取的關(guān)鍵點存在很大的冗余性,特征點分布隨機,導致計算量較大,運行效率較低。而SURF（Speeded-up... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：101 頁

【學位級別】：碩士

【部分圖文】：

（a）~（d）為四幅待拼接的圖像；（e）、（f）分別為（c）、（d）的SURF特征

圖 5-5 五張待拼接圖像首先進行 SURF 特征檢測。金字塔的組數(shù)設置為 3，每組的層數(shù)為 4，Hessian 矩陣的響應閾值Th設置為 300。實驗結(jié)果如圖 5-6 所示。圖 5-6 SURF 特征檢測結(jié)果圖得到特征點后，利用 FLANN 算法，進行特征匹配。最近鄰與次近鄰比值的閾值Thre 設置為 0.5。匹配結(jié)果如圖 5-7 所示。

5.1.2 拼接過程展示如圖 5-5 所示，為五張待拼接的圖像。待拼接圖像間不僅有旋轉(zhuǎn)運動，還有一定程度的仰角變化。圖 5-5 五張待拼接圖像首先進行 SURF 特征檢測。金字塔的組數(shù)設置為 3，每組的層數(shù)為 4，Hessian 矩陣的響應閾值Th設置為 300。實驗結(jié)果如圖 5-6 所示。


本文編號：3543877