【摘要】：本文主要介紹一個完整的圖像拼接流程,并且致力于在視差存在的條件下獲得高質(zhì)量的圖像拼接結(jié)果。通常,圖像拼接包含三個重要的步驟:圖像配準(zhǔn)、圖像對齊與光束法平差、以及圖像后處理。關(guān)于圖像配準(zhǔn),本文提出了一種帶有多重線型描述符的局部特征及其加速匹配算法。先前的方法通過特征點的鄰域局部圖像塊的信息來描述特征點。然而,局部圖像塊并沒有包含準(zhǔn)確的方向以及尺度信息。與之相反,線段通常擁有該信息。因此,本文通過連接兩兩特征點,然后建立線段模型,從而獲取線型描述符。由于每個線型描述符連接上了兩個特征點,而且同時每個特征點連接上了多個線型描述符,因而最終形成了一個網(wǎng)狀拓?fù)浣Y(jié)構(gòu)。然而該方法帶來的一個代價是線型描述符的數(shù)量遠(yuǎn)遠(yuǎn)多于特征點數(shù)量,這對于特征匹配將會十分不利。為了加速匹配過程,本文充分利用了該網(wǎng)狀拓?fù)浣Y(jié)構(gòu),提出了針對該局部特征的一種獨(dú)特的加速匹配算法。實驗結(jié)果表明:在魯棒性方面,本文提出的帶有多重線型描述符的局部特征要優(yōu)于其他基于點塊信息的經(jīng)典特征。關(guān)于圖像對齊與光束法平差,本文提出了基于網(wǎng)格優(yōu)化的圖像對齊算法�；诰植繂螒�(yīng)性變換的APAP方法能夠簡潔高效地實現(xiàn)局部對齊,然而卻容易產(chǎn)生圖像畸變。GSP方法進(jìn)行了相機(jī)運(yùn)動評估,求解全局相似性變換參數(shù),從而能夠很好地保持拼接圖像的自然度。本文利用上述兩種方法的優(yōu)勢,結(jié)合ARAP方法的局部相似性變換,提出了網(wǎng)格優(yōu)化方法。網(wǎng)格優(yōu)化不僅具有圖像對齊算法的普適性,而且也實現(xiàn)了光束法平差的功能:同步地將所有原始圖像映射到統(tǒng)一坐標(biāo)系。實驗結(jié)果表明:與其他經(jīng)典的圖像對齊方法對比,本文提出的圖像對齊算法不僅能夠精確對齊圖像的局部細(xì)節(jié),而且很好地保持了圖像結(jié)構(gòu)。在圖像后處理階段,本文提出了基于顯著性內(nèi)容保留的最佳縫合線方法。即便前述的網(wǎng)格優(yōu)化可以滿足小視差圖像拼接任務(wù)要求,但是仍然應(yīng)對不了以下兩種情況:存在大視差的場景以及存在運(yùn)動目標(biāo)的場景。通常,應(yīng)對上述問題,一個好的解決方案是:在圖像后處理階段,找尋最佳縫合線來切割縫合圖像,避免直接對圖像重疊區(qū)域的不同目標(biāo)進(jìn)行融合。然而,一根不好的縫合線將會切割顯著性目標(biāo),最終導(dǎo)致拼接縫。為了減少類似縫合線的出現(xiàn),本文利用顯著性內(nèi)容保留去加權(quán)縫合線方法中的能量函數(shù)。實驗結(jié)果表明:基于顯著性內(nèi)容保留的最佳縫合線方法在去除大視差物體以及運(yùn)動目標(biāo)的同時,能夠有效避免切割顯著性目標(biāo)。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41
【圖文】：

圖１．１圖像拼接流程示例逡逑１．３局部特征提取研究現(xiàn)狀逡逑通常，局部特征的提取與匹配作為圖像拼接的第一個環(huán)節(jié)，也是最為關(guān)鍵的一個環(huán)節(jié)

圖２．１牛津大學(xué)圖像數(shù)據(jù)集逡逑２．２．２重復(fù)率與運(yùn)行時間對比逡逑由于本文沒有對特征檢測進(jìn)行創(chuàng)新設(shè)計，而集中于描述符的提取。因而，在此先對比逡逑現(xiàn)有的若干經(jīng)典檢測器的性能，從而可以選擇其中較為優(yōu)良的檢測器來進(jìn)行后續(xù)工作。此逡逑處對比的檢測器都是使用開源視覺庫ＯｐｅｎＣＶ邋３．１中提供的實現(xiàn)以及其默認(rèn)的參數(shù)，其主逡逑要有以下六種：ＳＩＦＴ、ＳＵＲＦ、ＣｅｎＳｕｒＥＭ、ＦＡＳＴ、ＫＡＺＥ、ＭＡＺＥ。測試中，提取每張圖片５００逡逑個特征點，測試平臺為邋Ｉｎｔｅｌ邋（Ｒ）邋Ｃｏｒｅ邋（ＴＭ）邋ｉ５－２４３０Ｍ邋ＣＰＵ邋＠邋２．４０ＧＨｚ。逡逑對于一個檢測器而言，應(yīng)該受到關(guān)注的一方面是同一個特征點在兩幅不同的圖片上是逡逑否能夠同時被檢測出來。由此，給出一個檢測器的重復(fù)率指標(biāo)的定義［４５］［４６］如下公式２．１：逡逑１１逡逑

浙江大學(xué)碩士學(xué)位論文邐一種魯棒的圖像配準(zhǔn)局部特征描述方法逡逑Ｒｅｐ邋＝令邐（２．１）逡逑其中，表示重復(fù)率，＾表示兩幅圖像中同一特征點對的數(shù)量，Ｗ表示檢測的特征數(shù)逡逑量，此處測試為Ｗ邋＝邋５００。逡逑圖２．邋２為前述六種檢測器關(guān)于重復(fù)率指標(biāo)的測試結(jié)果。從整體上來看，ＫＡＺＥ和ＡＫＡＺＥ逡逑通常擁有最好的檢測重復(fù)率，特別是ＡＫＡＺＥ。ＳＵＲＦ相比于ＳＩＦＴ而言，表現(xiàn)得更好。ＦＡＳＴ逡逑和ＣｅｎＳｕｒＥ相比，在不同的情況下優(yōu)劣不一。就它們的整體表現(xiàn)而言，通常比ＳＵＲＦ要差。逡逑由于ＳＩＦＴ和ＳＵＲＦ檢測方法相似，ＫＡＺＥ和ＡＫＡＺＥ相似，故而，此處可以排除表現(xiàn)相對較差逡逑的ＳＩＦＴ與ＫＡＺＥ。于是，對重復(fù)率的總結(jié)如下：ＡＫＡＺＥ優(yōu)于ＳＵＲＦ，ＳＵＲＦ優(yōu)于ＦＡＳＴ和ＣｅｎＳｕｒＥ。逡逑

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 方賢勇,潘志庚,徐丹;圖像拼接的改進(jìn)算法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2003年11期

2 何紅太,王秀美,全茜;刑事犯罪現(xiàn)場的圖像拼接設(shè)計與實現(xiàn)[J];計算機(jī)工程與科學(xué);2004年12期

3 張顯全;唐振軍;盧江濤;;基于線匹配的圖像拼接[J];計算機(jī)科學(xué);2005年01期

4 孫瀚,黃大貴;基于十字形區(qū)域搜索法的圖像拼接方法[J];計量與測試技術(shù);2005年01期

5 李波;一種基于小波和區(qū)域的圖像拼接方法[J];電子科技;2005年04期

6 陳世哲;胡濤;劉國棟;謝凱;劉炳國;浦昭邦;;基于光柵的快速精確圖像拼接[J];光學(xué)精密工程;2006年02期

7 王靖;高雷;;圖像拼接的檢測[J];計算機(jī)安全;2006年07期

8 王長纓;周明全;;一種基于局部金字塔分解的圖像拼接[J];西北大學(xué)學(xué)報(自然科學(xué)版);2006年03期

9 馮桂蘭;田維堅;屈有山;張宏建;葛偉;;嵌入式高速DSP在視頻圖像拼接系統(tǒng)的應(yīng)用[J];彈箭與制導(dǎo)學(xué)報;2006年S8期

10 田瑞娟;;圖像拼接融合技術(shù)在網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)中的應(yīng)用探究[J];兵工自動化;2009年03期

相關(guān)會議論文 前10條

1 田宏亮;王俊妮;岳鵬;;一種基于邊界閾值的圖像拼接融合算法[A];2013年（第五屆）西部光子學(xué)學(xué)術(shù)會議論文集[C];2013年

2 鄭金鑫;杜軍平;;基于Levenberg-Marquardt算法的圖像拼接研究[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

3 易端陽;唐萬有;郝健強(qiáng);;印品檢測中相似測度算法在圖像拼接中的對比研究[A];顏色科學(xué)與技術(shù)——2012第二屆中國印刷與包裝學(xué)術(shù)會議論文摘要集[C];2012年

4 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國控制與決策學(xué)術(shù)年會論文集[C];1997年

5 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

6 薛燕;李建良;朱學(xué)芳;;人臉識別中特征提取的一種改進(jìn)方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 杜栓平;曹正良;;時間—頻率域特征提取及其應(yīng)用[A];2005年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2005年

8 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動目標(biāo)的分割與特征提取[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

9 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

10 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

相關(guān)博士學(xué)位論文 前10條

1 宮妍;全景圖像拼接關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2016年

2 賈銀江;無人機(jī)遙感圖像拼接關(guān)鍵技術(shù)研究[D];東北農(nóng)業(yè)大學(xué);2016年

3 高健華;時空聯(lián)合調(diào)制型傅里葉變換紅外成像光譜儀光譜復(fù)原與圖像拼接研究[D];中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;2017年

4 張樺;場景圖像拼接關(guān)鍵技術(shù)研究[D];天津大學(xué);2008年

5 邵向鑫;數(shù)字圖像拼接核心算法研究[D];吉林大學(xué);2010年

6 易軍;人臉識別中的特征提取與度量學(xué)習(xí)算法研究[D];北京郵電大學(xué);2015年

7 段佳;SAR/ISAR目標(biāo)電磁特征提取及應(yīng)用研究[D];西安電子科技大學(xué);2015年

8 馮博;雷達(dá)高分辨距離像特征提取與識別方法研究[D];西安電子科技大學(xué);2015年

9 陳斌;連續(xù)語音識別特征提取與聲學(xué)模型訓(xùn)練區(qū)分性技術(shù)研究[D];解放軍信息工程大學(xué);2015年

10 熊慶;列車滾動軸承振動信號的特征提取及診斷方法研究[D];西南交通大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 施嘉察;基于線特征和網(wǎng)格優(yōu)化的圖像拼接算法研究[D];浙江大學(xué);2018年

2 汪鵬飛;旋轉(zhuǎn)式全景圖像拼接算法研究[D];哈爾濱工程大學(xué);2016年

3 范艷;基于云端號的大視場圖像拼接方法研究[D];武漢工程大學(xué);2017年

4 陳澤武;FPC光學(xué)缺陷檢測平臺中的關(guān)鍵圖像處理技術(shù)[D];華南理工大學(xué);2015年

5 殷娟娟;基于SIFT特征的巖石圖像拼接研究[D];西安石油大學(xué);2015年

6 岳昕;基于SIFT的全景圖像拼接方法研究[D];昆明理工大學(xué);2015年

7 徐忠洋;航拍圖像拼接算法的研究與實現(xiàn)[D];遼寧大學(xué);2015年

8 吳金津;改進(jìn)的SIFT算法及其在圖像拼接中的應(yīng)用[D];湖南工業(yè)大學(xué);2015年

9 王鵬程;基于DSP的視頻拼接技術(shù)的研究[D];湖南工業(yè)大學(xué);2015年

10 宋佳乾;視頻圖像拼接優(yōu)化算法實現(xiàn)研究[D];寧夏大學(xué);2015年

本文編號：2799385