隨著圖像、視頻流技術(shù)的發(fā)展及流量帶寬的提高,圖像及視頻逐漸成為文字后信息交流的主要載體,是人們獲取信息的重要手段。傳統(tǒng)圖像采集設(shè)備單一,獲取全畫幅圖像的能力有限,與此同時,移動計算平臺、嵌入式智能設(shè)備的計算能力也有飛躍的提升,逐漸接近計算機(jī)平臺,數(shù)字圖像處理等技術(shù)在移動計算平臺、智能硬件平臺上如何獲取高質(zhì)量的全景圖像成為學(xué)者、企業(yè)的工程師們研究的熱點之一。圖像拼接技術(shù)就是通過合理的拼接方法,獲取超分辨率、超視角的圖像,在計算機(jī)視覺、圖形學(xué)、遙感測繪等領(lǐng)域有著重要的應(yīng)用價值。圖像拼接包含圖像獲取、圖像配準(zhǔn)和圖像融合三大關(guān)鍵技術(shù),本文以實際工程項目為基礎(chǔ),對圖像拼接技術(shù)的相關(guān)理論和算法進(jìn)行了研究并實踐。在圖像獲取階段,建立圖像拼接系統(tǒng)硬件平臺,設(shè)計實現(xiàn)了三軸機(jī)械手持云臺、運動相機(jī)圖像采集單元。圖像獲取時,有別于傳統(tǒng)使用部分圖像重合無時間與空間關(guān)聯(lián)的照片,本文以陀螺儀數(shù)據(jù)作為重要參考,根據(jù)陀螺儀數(shù)據(jù)在確保在一定的重疊信息下,對視頻序列進(jìn)行提取,并對其進(jìn)行透視變換和直方圖均衡化的預(yù)處理,從而獲得待拼接圖像序列。在圖像配準(zhǔn)階段,采用加速魯棒特征算法進(jìn)行特征提取,并在原有算法的基礎(chǔ)上提出改進(jìn)方案。... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 本文研究的背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.1.1 圖像獲取研究現(xiàn)狀
        1.1.2 圖像配準(zhǔn)研究現(xiàn)狀
        1.1.3 圖像融合研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
第2章 圖像拼接系統(tǒng)設(shè)計
    2.1 圖像拼接硬件平臺設(shè)計
        2.1.1 系統(tǒng)框架設(shè)計
        2.1.2 硬件平臺設(shè)計
    2.2 圖像拼接軟件系統(tǒng)設(shè)計
        2.2.1 嵌入式平臺軟件設(shè)計
        2.2.2 圖像拼接算法設(shè)計
    2.3 本章小結(jié)
第3章 圖像的獲取與預(yù)處理
    3.1 陀螺儀數(shù)據(jù)采集處理
        3.1.1 陀螺儀數(shù)據(jù)獲取
        3.1.2 卡爾曼濾波處理
        3.1.3 濾波器的實驗分析
    3.2 基于陀螺儀的實時圖像獲取
        3.2.1 視頻模式PIPELINE分析
        3.2.2 圖像關(guān)鍵幀數(shù)據(jù)獲取
    3.3 圖像預(yù)處理
        3.3.1 單一圖像序列的透視變換
        3.3.2 直方圖均衡化及匹配
    3.4 實驗結(jié)果及分析
    3.5 本章小結(jié)
第4章 基于特征的圖像配準(zhǔn)
    4.1 基于陀螺儀的特征匹配范圍
        4.1.1 匹配模型
        4.1.2 匹配搜索范圍
    4.2 基于SURF的特征提取
        4.2.1 Hessian矩陣的構(gòu)建
        4.2.2 構(gòu)建尺度空間
        4.2.3 特征點定位
        4.2.4 特征點主方向的選取
        4.2.5 特征點描述符
    4.3 基于FLANN的特征匹配
        4.3.1 相似性度量準(zhǔn)則
        4.3.2 搜索策略的匹配
    4.4 基于RANSAC的特征點提純
        4.4.1 RANSAC原理
        4.4.2 RANSAC算法步驟
    4.5 實驗結(jié)果及分析
    4.6 本章小結(jié)
第5章 圖像的拼接與融合
    5.1 圖像的拼接
        5.1.1 圖像拼接的方式
        5.1.2 基于單應(yīng)變換模型的拼接
    5.2 圖像的融合
        5.2.1 直接平均融合
        5.2.2 加權(quán)平均融合
        5.2.3 多分辨率融合
    5.3 實驗結(jié)果及分析
        5.3.1 圖像拼接實驗
        5.3.2 拼接結(jié)果評價
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
個人簡歷


【參考文獻(xiàn)】：
期刊論文
[1]基于CamShift的視頻跟蹤算法改進(jìn)及實現(xiàn)[J]. 樊伊君,梁朝鋼.  電子設(shè)計工程. 2018(10)
[2]基于MEMS陀螺儀的光學(xué)圖像拼接[J]. 伍文雙,馮華君,徐之海,李奇,陳躍庭.  光子學(xué)報. 2018(03)
[3]數(shù)字圖像融合研究綜述[J]. 李桃,侯紅英,王德賢.  數(shù)碼世界. 2017(08)
[4]基于圖像匹配和SURF的變壓器姿態(tài)測量[J]. 燕必希,劉振濤,董明利,孫鵬,王君.  北京信息科技大學(xué)學(xué)報(自然科學(xué)版). 2017(02)
[5]基于透視不變二值特征描述子的圖像匹配算法[J]. 耿利川,蘇松志,李紹滋.  通信學(xué)報. 2015(04)
[6]基于非下采樣剪切波變換域方向信息測度的多聚焦圖像融合方法[J]. 邢雅瓊,王曉丹,梁兵杰,秦卓.  系統(tǒng)工程與電子技術(shù). 2015(01)
[7]基于圖結(jié)構(gòu)的全景圖自動識別與拼接方法[J]. 趙毅力,武仲科,張雁,夏炎.  計算機(jī)工程與設(shè)計. 2013(06)
[8]局部特征在航拍圖像拼接中的應(yīng)用[J]. 曹健,李侃,高春曉,劉瓊昕.  電子科技大學(xué)學(xué)報. 2013(01)
[9]SURF算法和RANSAC算法相結(jié)合的遙感圖像匹配方法[J]. 陳藝蝦,孫權(quán)森,徐煥宇,耿蕾蕾.  計算機(jī)科學(xué)與探索. 2012(09)
[10]基于MEMS陀螺儀和加速度計的動態(tài)傾角傳感器[J]. 張杰.  機(jī)械設(shè)計與制造. 2012(09)

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

碩士論文
[1]基于特征的全景圖像拼接技術(shù)研究[D]. 余讓明.西南交通大學(xué) 2015
[2]基于特征點的圖像拼接技術(shù)研究[D]. 姜小會.山東建筑大學(xué) 2015
[3]自平衡兩輪電動車控制系統(tǒng)設(shè)計[D]. 袁洪躍.重慶大學(xué) 2012
[4]基于CUDA并行計算的無人機(jī)遙感圖像快速拼接[D]. 黃成滿.電子科技大學(xué) 2011



本文編號：2974805