井下巷道大视差图像拼接算法

发布时间：2024-04-18 03:39

　　针对煤矿井下巷道视频监控采用定点旋转摄像头成本较高、拍摄视野和图像拼接效果有限等问题,设计了摄像头排列布局方式进行大视差拍摄,针对大视差拍摄的图像拼接困难问题,提出了一种基于多平面多感知缝合线的井下巷道大视差图像拼接算法。首先,采用尺度不变特征变换算法对输入图像进行特征点检测和匹配,得到特征匹配点;然后,基于多平面进行特征匹配点分组并产生相应的对齐候选单应性矩阵,每个单应性矩阵对齐图像中的1个平面,解决了巷道大视差场景下平面不一致问题;最后,在每组局部对齐图像上计算基于颜色、边缘及显著度的多感知缝合线,选择缝合线能量最小的对齐图像合成拼接图像,减少了局部区域错位现象。实验结果表明,该算法与APAP,ANAP,SPHP,NISwGSP,RobustELA等经典图像拼接算法及基于颜色的缝合线算法相比,有效消除了局部区域错位和重影问题,图像拼接效果更自然、无缝。

【文章页数】：6 页

【部分图文】：

图1煤矿井下巷道中摄像头排列布局方式

煤矿井下环境复杂，安全隐患较多，需要对井下巷道进行视频监控[1]。单个摄像头视野有限，无法实现大范围监控，需要采用图像拼接技术将多个摄像头拍摄的有重叠区域的图像拼接成视野更大、清晰度更高的监控画面[2]，为后续井下监控视频分析提供数据基础。目前定点旋转摄像头拍摄场景下的图像拼接技....

图2基于多平面多感知缝合线的井下巷道大视差图像拼接算法原理

基于多平面多感知缝合线的井下巷道大视差图像拼接算法原理如图2所示。首先，采用尺度不变特征变换（ScaleInvariantFeatureTransform,SIFT）算法对输入图像进行特征点检测和匹配，得到一组特征匹配点；然后，基于多平面进行特征匹配点分组，每组特征匹配点对....

图3多平面特征匹配点分组结果

设Ir,It为待拼接图像，图像特征匹配点经第j(j∈N*）次分组后缝合线算法的输入为Ij,Ij=HjIt,Hj为第j次分组后的单应性矩阵。循环计算每组局部对齐图像Ir,Ij的缝合线。记P为局部对齐图像的拼接域，L(L={0,1}）为可选标签集合，给生成图像拼接域中的每个像素点p(....

图4基于缝合线算法的图像拼接结果

本文算法与经典图像拼接算法的拼接结果如图5所示。可看出本文算法的图像拼接结果清晰、自然、无缝，而其他算法的拼接结果均存在不同程度的模糊、重影现象。这是由于APAP,ANAP,SPHP,NISwGSP,RobustELA算法在拼接图像时要求图像重叠区域全部对齐，但是在大视差场景下，....

本文编号：3957363