Canny算法和中值滤波法的红外全景图像拼接

发布时间：2021-09-28 21:26

　　因传统拼接手段不能获取有效目标向量,导致拼接后图像模糊、不完整,并且存在图像匹配准确率不高、匹配失误率过高和耗时较长的问题,因此,提出Canny算法和中值滤波法的红外全景图像拼接方法。运用Canny算法提取具有显著性特征的图像边缘向量,同时采用中值滤波法,将图像差异过大的数据做对应的过滤处理。为了降低拼接图像结构层次混乱、不齐的情况,根据过滤结果对待拼接的图像做特征定位处理,并实现目标特征匹配。最终在线性融合的基础上提出基于聚类预筛选的多分辨率融合方法,加强图像整体融合效果,从而得出拼接后的完整红外全景图像。分析实验结果可知,所提方法的匹配失误率最低值仅为8%,说明所提出方法可以在根本上降低图像匹配的失误率,增强匹配的精准度,使拼接后的图像更加清晰,并且耗时较短,充分说明该方法应用价值高。 

【文章来源】：激光杂志. 2020,41(05)北大核心

【文章页数】：5 页

【部分图文】：

不同方法拼接结果对比

根据上述图像显著特征提取结果，通过基于聚类预筛选的匹配算法和多分辨率融合方法对图像进行拼接匹配。为了寻找出两张图像之间的相关特征点，首先需要计算出图像特征点的灰度相关性。但在实际应用中，为了保证整体计算的速度，一般都会将图像窗口设计较小[13-14]，如下图2所示:基于两幅需要拼接的相邻图像特征匹配点之间的连线斜率相同，通过聚类的基本思想，对图像中全部的特征匹配点进行了筛选[15]，可以将该步骤实现的过程具体描述为:把两张都具有重叠部分的图像放在同一坐标下，并且计算出两张图像之间的直线斜率，再将某一斜率值设置为中心点，如果一个较小邻域内包含最多的相关点，那么这些相关点对就是最精确的相关点对，如图3所示。

基于两幅需要拼接的相邻图像特征匹配点之间的连线斜率相同，通过聚类的基本思想，对图像中全部的特征匹配点进行了筛选[15]，可以将该步骤实现的过程具体描述为:把两张都具有重叠部分的图像放在同一坐标下，并且计算出两张图像之间的直线斜率，再将某一斜率值设置为中心点，如果一个较小邻域内包含最多的相关点，那么这些相关点对就是最精确的相关点对，如图3所示。通过上述特征处理后，得出了n幅图像Ii(x,y)(i∈{1，…，n})在拼接坐标系统中的具体方位Ii(θ，φ)。为了能够保证需要融合图像的具体信息是有效的，将针对每幅图像做权重函数处理[16-17]，给每幅图像匹配一个权重函数W(x,y)=w(x)w(y)，这个函数的必需条件是在图中具有一定的最大值，且线性变换后到边缘取值为0。将图像进行拼接的方法是对图像强度加权之和进行计算，计算公式为:


本文编号：3412556