【摘要】：圖像拼接理論是當(dāng)前圖像處理、機器視覺方向的研究熱點,該項技術(shù)的進展對推動虛擬現(xiàn)實、遙感圖像處理、醫(yī)學(xué)圖像分析等領(lǐng)域的發(fā)展有著十分重要的現(xiàn)實意義。三維形貌檢測技術(shù)是現(xiàn)代工業(yè)技術(shù)中的重要部分,但其檢測范圍受到成像設(shè)備的限制。如何在不損失測量精度的情況下擴大檢測范圍是該領(lǐng)域面臨的一個主要問題。使用圖像拼接技術(shù)能夠?qū)⒕哂兄睾喜糠值膱D像自適應(yīng)地拼接成一幅大視場圖像,在擴大市場范圍的同時保留了檢測精度,能夠很好地解決這一問題。本文首先對三維形貌檢測基本原理進行研究,然后對基于特征的圖像拼接技術(shù)的理論和方法進行了深入的研究,針對當(dāng)前顯微圖像拼接過程中存在的問題提出了完整的解決方案,并對相關(guān)的圖像增強、特征提取、特征匹配、變換矩陣求取和圖像融合等步驟進行了詳細(xì)分析和算法實現(xiàn),最后通過MATLAB編寫程序?qū)崿F(xiàn)了顯微圖像的拼接。在圖像增強算法研究中,針對顯微圖像質(zhì)量不高難以提取足夠的有效特征點的問題,對灰度直方圖增強和頻域增強的兩種圖像增強算法進行研究,對直方圖均衡化、雙直方圖均衡化、動態(tài)直方圖均衡化等算法以及頻域濾波增強算法進行了充分研究和實驗分析,結(jié)合實驗結(jié)果選取雙直方圖均衡化和同態(tài)濾波的方法進行圖像增強。在特征提取算法的研究中,本文對SIFT算法、SURF算法和兩種角點檢測算法的算法原理進行研究并編寫程序進行特征點提取實驗,根據(jù)圖像特征點提取精度,特征點提取速度、抗干擾能力以及提取特征點是否具有旋轉(zhuǎn)、平移不變性等選取SIFT特征點提取算法,有效提取圖像中的特征點。在SIFT特征點匹配算法研究中,本文建立了數(shù)據(jù)索引(K-D樹)進行檢索,并使用BBF(Best Bin First)算法建立優(yōu)先序列,達到了提高搜索效率的目的。并針對實驗所發(fā)現(xiàn)的問題對現(xiàn)有的SIFT算法進行了改進,通過提取邊緣處特征點的方式減少了提取特征點的范圍,大大提高了算法的效率。在圖像配準(zhǔn)和圖像融合算法的研究中,使用RANSAC算法求取圖像的坐標(biāo)變換矩陣,以實現(xiàn)空間上的圖像配準(zhǔn),證明RANSAC能夠剔除大部分的誤匹配特征點對;并使用最佳縫合線法對進行圖像融合。最后設(shè)計實驗,分別對只包含平移關(guān)系的圖像和包含平移、縮放關(guān)系的圖像進行拼接實驗,取得預(yù)期效果,完成圖像拼接。
【圖文】：

可以具體表示為：0 1 01( ) ( ),( , )( ) ( ),e L ee L e UX X X c X X XY i jX X X c X 其他確定對原始圖像進行分割的閾值eX ，首先設(shè)處理后的圖像概率1 1 1( ) , , , ,Xp p p p p pf pe e e L e L e L e 過雙直方圖均衡化處理后圖像的平均信息熵是：1log (1 ) logP PH pe L e ' e /L，，則有：1log (1 ) log log(1 )P PH P LLP L P 式推倒可以看出，如果想要圖像的平均信息熵達到最大值，只有面的灰度與全部灰度范圍的比值等于灰度的累計概率。也就是，兩個子圖像面積相等時，信息熵才能達到最大值。雙直方圖均理結(jié)果如下圖所示：

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文的視覺效果更加明顯。相較于傳統(tǒng)的直方圖均衡化算好保持圖像的亮度均值，不容易產(chǎn)生過度增強現(xiàn)象，一種更優(yōu)化的算法。方圖均衡化圖均衡化算法[41]（Dynamic Histogram Equalization, D算法相比，是一種更先進的圖像增強算法。相較于傳效增強圖像對比度的同時，更好保留圖像細(xì)節(jié)信息，圖均衡算法的要點在于將原始圖像的直方圖根據(jù)灰度獨立的灰度區(qū)間內(nèi)進行直方圖均衡化，如圖 2-2 所示
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 趙興鋒;楊彬卓;鄭志強;;基于收縮分析和平方和規(guī)劃的特征點選擇[J];自動化與儀器儀表;2015年05期

2 郭一超;李清勇;孫靳睿;黃雅平;田媚;;基于局部對稱性的特征點加工策略及應(yīng)用[J];計算機科學(xué);2014年11期

3 許承慧;劉桂華;梁峰;;非特征點雙目測距技術(shù)研究[J];微型機與應(yīng)用;2013年22期

4 ;FaceFinder(人臉識別)系統(tǒng)研制[J];企業(yè)技術(shù)開發(fā);2009年04期

5 王斌;范瑞霞;李位星;高琪;;基于膚色檢測的小區(qū)域特征點跟蹤[J];微計算機信息;2006年07期

6 劉丹丹,張樹有,劉元開,譚建榮;一種基于特征點識別的曲線離散化方法[J];中國圖象圖形學(xué)報;2004年06期

7 云飛;;自動海圖[J];天津航海;1987年02期

8 吳義祥;;離散點掃描法及其在土工試驗數(shù)據(jù)處理上的應(yīng)用[J];工程勘察;1988年01期

9 А·Γ·沙夫尼;于玉鳳;;利用相切點高度進行樹干形狀的測定[J];中南林業(yè)調(diào)查規(guī)劃;1988年04期

10 李從珠;王乃斌;王清舉;吳林珍;;立體足跡壓痕特征定量化檢驗的統(tǒng)計方法[J];應(yīng)用概率統(tǒng)計;1988年04期

相關(guān)會議論文 前10條

1 汪力;葉樺;夏良正;;利用特征點定位嘴巴[A];第二十六屆中國控制會議論文集[C];2007年

2 康文雄;鄧飛其;;基于特征點角度矩陣的靜脈識別方法[A];第二十七屆中國控制會議論文集[C];2008年

3 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點匹配算法的研究與改進[A];2009中國控制與決策會議論文集（1）[C];2009年

4 佘永業(yè);李熙瑩;趙有婷;;一種車輛的宏觀光流速度的計算方法[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2009年

5 徐慧;朱振洋;肖穎健;王海雷;;基于人臉多特征點的疲勞駕駛檢測與應(yīng)用[A];中國計算機用戶協(xié)會網(wǎng)絡(luò)應(yīng)用分會2019年第二十三屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會論文集[C];2019年

6 許競;姜波;;攝像機運動下特征點追蹤方法研究[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

7 韓廣良;陳小云;;利用多特征點搜索實現(xiàn)紙鈔圖像的狀態(tài)檢測[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

8 魏超;江建文;陳宗海;;面向車輛自主定位的激光雷達特征點選取方法性能分析[A];第二十屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集（20th CCSSTA 2019）[C];2019年

9 杜鵬飛;彭代強;林幼權(quán);;基于二乘向量機的特征點配準(zhǔn)算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

10 李琳;董強強;李樹屏;;賽馬總重心的位置及其特征代表點研究[A];第十八屆全國運動生物力學(xué)學(xué)術(shù)交流大會（CABS 2016）論文集[C];2016年

相關(guān)重要報紙文章 前7條

1 洪宇;人臉識別僅需一秒鐘[N];科技日報;2004年

2 蔡濤 關(guān)景火 李德華;塑造“面子”[N];計算機世界;2002年

3 李韜;保衛(wèi)手機[N];計算機世界;2006年

4 本報記者 陳思 實習(xí)生 黃琳;數(shù)字警務(wù) 打造平安和諧綠城[N];鄭州日報;2006年

5 張寧;人物膚色的較色實例[N];中國包裝報;2002年

6 中國科學(xué)院自動化研究所模式識別國家重點實驗室 周密邋陶建華;與電腦面談[N];計算機世界;2007年

7 本報記者 王宇;芯技術(shù)點亮未來[N];電腦報;2010年

相關(guān)博士學(xué)位論文 前10條

1 樊建偉;基于特征點的SAR圖像配準(zhǔn)算法研究[D];西安電子科技大學(xué);2017年

2 金宏彬;基于特征點描述符的多光譜圖像配準(zhǔn)算法研究[D];北京郵電大學(xué);2019年

3 張曉鵬;局部特征理解：模型與應(yīng)用[D];上海交通大學(xué);2017年

4 楊利敏;圖像特征點定位算法研究及其應(yīng)用[D];上海交通大學(xué);2008年

5 劉寶泉;干涉合成孔徑雷達測量關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2008年

6 李旭東;基于特征點的增強現(xiàn)實三維注冊算法研究[D];天津大學(xué);2009年

7 廖斌;基于特征點的圖像配準(zhǔn)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

8 易盟;基于特征點的圖像配準(zhǔn)及其在穩(wěn)像中的應(yīng)用[D];西安電子科技大學(xué);2013年

9 靳峰;基于特征的圖像配準(zhǔn)關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2015年

10 羅楠;圖像局部不變特征的匹配算法及應(yīng)用研究[D];南京理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 李想;面向航空構(gòu)件典型特征的三維激光測量技術(shù)研究[D];南京航空航天大學(xué);2019年

2 陳聽海;基于特征重檢的抗遮擋目標(biāo)跟蹤[D];湘潭大學(xué);2019年

3 吳昊X;用于三維形貌檢測的自適應(yīng)圖像拼接算法的研究[D];哈爾濱工業(yè)大學(xué);2019年

4 高政;基于特征點的無人機視覺目標(biāo)跟蹤算法[D];哈爾濱工業(yè)大學(xué);2019年

5 俱青;基于深度特征共享的關(guān)鍵點匹配與跟蹤算法[D];西安電子科技大學(xué);2019年

6 張策;基于CMT框架的長期目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2019年

7 向龍海;基于特征的軟組織3D視覺重建與跟蹤[D];電子科技大學(xué);2019年

8 蒲滔;基于視頻的車輛彎道速度測算系統(tǒng)研究[D];長安大學(xué);2019年

9 張騰;紅外小型運動目標(biāo)檢測與跟蹤及DSP實時實現(xiàn)[D];華中科技大學(xué);2019年

10 楊佳佳;多模態(tài)生物特征識別關(guān)鍵技術(shù)研究[D];杭州電子科技大學(xué);2019年

本文編號：2591168