红外全景图像拼接方法的研究
发布时间：2021-04-13 20:21
随着计算机视觉与图像处理技术的迅速发展,人们对于图像的研究已从可见光图像扩展到热红外图像。热红外图像描述的是物体温度图像,具有良好的抗干扰能力、辨别伪装的能力,并且可以全天候工作,被广泛应用于军事领域和民事领域。但热红外图像往往具有空间分辨率低、视场范围窄等缺点,对于那些需要宽视场、高分辨率全景图像的应用场景,难以达到要求。因此图像拼接技术成为获得全景图像的一个主流趋势,研究适用于大场景下的红外图像拼接方法具有十分重要的价值和意义。本文重点研究全景图像拼接方法的实现过程,在预处理阶段,提出了自定义卷积核锐化算子的图像增强方法,改善了红外图像质量。在图像配准阶段,深入研究基于尺度不变特征变换（Scale Invariant Feature Transform,SIFT）的图像配准算法。针对传统SIFT算法存在配准率较低、实时性较差的问题,提出一种基于感兴趣区域（Region of Interest,ROI）改进的SIFT图像配准方法,该方法首先计算出相邻图像的ROI区域,然后在ROI中提取SIFT特征点并将其作为运动目标,使用光流（Kanade-Lucas-Tomasi,KLT）实时跟踪...
【文章来源】：重庆邮电大学重庆市
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
不同算法的图像滤波结果
重庆邮电大学硕士学位论文第2章红外全景图像拼接技术的理论研究17(c)自定义锐化算子图像增强结果图2.5图像增强结果对比图由图2.5图像增强处理结果可知，经拉普拉斯算子和本文自定义的锐化算子增强处理后，图像质量明显提升。图2.5(a)是原始红外图像，对比图2.5(b)和图2.5(c)，自定义锐化算子增强后的图像在细节纹理和边缘轮廓上表现能力较强，图2.5(c)中的建筑物和树木的边缘轮廓更清晰，既保证了拉普拉斯锐化效果，又体现了原始图像的背景信息，且该算法复杂度不高，适合作为本文的预处理算法。2.4图像配准图像配准是指在同一场景下，使用特定的方法将不同条件下(时间、曝光差异、光照等)获得的多幅图片的最优区域对应到目标图片上的过程[42]，配准效果的优良直接关系着拼接图的主观视觉效果。1．图像配准原理图像配准首先将相邻图像间重叠部分的特征建立匹配关联，然后再对这个匹配关联进行模型化来实现配准。假设包含重复信息的两幅图像分别是yxh,1和yxh,2，它们之间的配准关系可以用式(2.9)描述：21hx,yghfx,y(2.9)式中，fx,y是坐标映射模型，将两幅待拼接的图像1hx,y和2hx,y变换到同一坐标系下，其中1hx,y，2hx,y是两幅图像在x,y像素点，gx,y是灰度变换函数，它在这里的用途是把三通道图像转换成灰度图像。2.图像配准方法
重庆邮电大学硕士学位论文第2章红外全景图像拼接技术的理论研究19来定)的矩形区域模板；然后在待配准图像的相似区域中搜索相同尺寸的矩形模板，最后借助相似度测量法统计出两个矩形模板的相似度极大值，取得极值就表明配准。基于灰度统计的配准结果如图2.6所示。(a)参考图像(b)模板区域(c)配准结果图2.6基于灰度统计的图像配准结果图2.6(b)是从图2.6(a)中截取的一部分矩形区域模板，利用灰度配准能够获得相对准确的匹配位置，但该方法在实时性方面表现较差。(3)基于特征相关的图像配准算法与前两种配准方法不同，基于特征相关的配准方法以图像之间具有代表性的特征(特征点、颜色、纹理、边缘等)为参考信息，首先检测出每幅图片的参考信息，然后按照相似性度量准则进行特征粗配准，并以特定的方法估算单应性矩阵完成图像精配准。根据前人的研究成果得知，点特征是效率最高的方法。较之于前两种配准方法，特征点配准方法的计算量较小，当图像发生平移、旋转、尺度缩放等复杂变时，该方法仍能保持良好的稳定性和鲁棒性，常用的特征点提取方式有：Harris、SIFT、SURF、FAST等[44]，在第3章中将着重研究有关特征点的配准方法。2.5图像融合图像融合是指在同一场景下，对配准结果按照一定的方法合并成一幅过渡自然、亮度均匀、无缝隙及无“重影”图像的过程，最大限度地保留配准图像的所有信息。但在实际的拍摄过程中，由于受拍摄角度、曝光差异、运动目标等影响，配准的图像往往出现拼接缝隙、重影问题，直接影响着拼接图像的视觉效果[45]，因此需要借助融合技术来解决以上问题。现有的图像融合方法有：像素级融合方法、特征级融合方法及决策级融合方法[46]。其中，像素级融合方法因其具有较高
【参考文献】：
期刊论文
[1]基于显著性权重融合的图像拼接算法[J]. 朱凌云,郑志天. 电子制作. 2019(24)
[2]针对高分辨率遥感图像的融合拼接算法[J]. 么鸿原,林雪原,王海鹏,郭强. 计算机工程与设计. 2019(11)
[3]一种改进的最佳缝合线算法[J]. 罗顺元,苍岩,乔玉龙. 应用科技. 2019(06)
[4]图像融合技术发展综述[J]. 史敏红. 计算机时代. 2019(09)
[5]基于SURF算法的红外图像拼接方法的改进[J]. 王锦坤,张秋菊. 轻工机械. 2019(03)
[6]图像融合质量评价方法研究综述[J]. 杨艳春,李娇,王阳萍. 计算机科学与探索. 2018(07)
[7]一种改进的Harris角点检测的图像配准方法[J]. 张见双,张红民,罗永涛,陈柏元. 激光与红外. 2017(02)
[8]基于SIFT算法的红外图像拼接方法改进[J]. 陆园园,张明. 计算机系统应用. 2015(08)
[9]Super-resolution reconstruction of images based on uncontrollable microscanning and genetic algorithm[J]. 代少升,刘劲松,向海燕,杜智慧,刘琴. Optoelectronics Letters. 2014(04)
[10]区域和局部信息结合的双向医学图像配准[J]. 郑莹,李光耀. 中国图象图形学报. 2011(01)
硕士论文
[1]红外图像数字细节增强关键技术研究[D]. 李苗苗.南京邮电大学 2019
[2]基于改进的SIFT特征的图像匹配算法研究[D]. 章雷.安徽理工大学 2019
[3]红外遥感图像拼接技术研究[D]. 彭畅.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2019
[4]多图像去噪方法及应用[D]. 陈银星.五邑大学 2019
[5]基于特征匹配的视频拼接算法研究[D]. 李岩.中国矿业大学 2019
[6]基于点特征的无人机遥感图像拼接[D]. 成耀天.广西大学 2018
[7]红外全向图像拼接算法研究与实现技术[D]. 鲜秦毅.西安电子科技大学 2018
[8]基于改进SIFT算法的遥感影像拼接算法研究[D]. 徐哲男.东北农业大学 2018
[9]基于改进SIFT的柱面全景图像拼接算法研究[D]. 何佳华.西南科技大学 2018
[10]基于SIFT特征图像拼接的全景显示技术研究[D]. 沈鹏.电子科技大学 2018
本文编号：3135949
【文章来源】：重庆邮电大学重庆市
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
不同算法的图像滤波结果
重庆邮电大学硕士学位论文第2章红外全景图像拼接技术的理论研究17(c)自定义锐化算子图像增强结果图2.5图像增强结果对比图由图2.5图像增强处理结果可知，经拉普拉斯算子和本文自定义的锐化算子增强处理后，图像质量明显提升。图2.5(a)是原始红外图像，对比图2.5(b)和图2.5(c)，自定义锐化算子增强后的图像在细节纹理和边缘轮廓上表现能力较强，图2.5(c)中的建筑物和树木的边缘轮廓更清晰，既保证了拉普拉斯锐化效果，又体现了原始图像的背景信息，且该算法复杂度不高，适合作为本文的预处理算法。2.4图像配准图像配准是指在同一场景下，使用特定的方法将不同条件下(时间、曝光差异、光照等)获得的多幅图片的最优区域对应到目标图片上的过程[42]，配准效果的优良直接关系着拼接图的主观视觉效果。1．图像配准原理图像配准首先将相邻图像间重叠部分的特征建立匹配关联，然后再对这个匹配关联进行模型化来实现配准。假设包含重复信息的两幅图像分别是yxh,1和yxh,2，它们之间的配准关系可以用式(2.9)描述：21hx,yghfx,y(2.9)式中，fx,y是坐标映射模型，将两幅待拼接的图像1hx,y和2hx,y变换到同一坐标系下，其中1hx,y，2hx,y是两幅图像在x,y像素点，gx,y是灰度变换函数，它在这里的用途是把三通道图像转换成灰度图像。2.图像配准方法
重庆邮电大学硕士学位论文第2章红外全景图像拼接技术的理论研究19来定)的矩形区域模板；然后在待配准图像的相似区域中搜索相同尺寸的矩形模板，最后借助相似度测量法统计出两个矩形模板的相似度极大值，取得极值就表明配准。基于灰度统计的配准结果如图2.6所示。(a)参考图像(b)模板区域(c)配准结果图2.6基于灰度统计的图像配准结果图2.6(b)是从图2.6(a)中截取的一部分矩形区域模板，利用灰度配准能够获得相对准确的匹配位置，但该方法在实时性方面表现较差。(3)基于特征相关的图像配准算法与前两种配准方法不同，基于特征相关的配准方法以图像之间具有代表性的特征(特征点、颜色、纹理、边缘等)为参考信息，首先检测出每幅图片的参考信息，然后按照相似性度量准则进行特征粗配准，并以特定的方法估算单应性矩阵完成图像精配准。根据前人的研究成果得知，点特征是效率最高的方法。较之于前两种配准方法，特征点配准方法的计算量较小，当图像发生平移、旋转、尺度缩放等复杂变时，该方法仍能保持良好的稳定性和鲁棒性，常用的特征点提取方式有：Harris、SIFT、SURF、FAST等[44]，在第3章中将着重研究有关特征点的配准方法。2.5图像融合图像融合是指在同一场景下，对配准结果按照一定的方法合并成一幅过渡自然、亮度均匀、无缝隙及无“重影”图像的过程，最大限度地保留配准图像的所有信息。但在实际的拍摄过程中，由于受拍摄角度、曝光差异、运动目标等影响，配准的图像往往出现拼接缝隙、重影问题，直接影响着拼接图像的视觉效果[45]，因此需要借助融合技术来解决以上问题。现有的图像融合方法有：像素级融合方法、特征级融合方法及决策级融合方法[46]。其中，像素级融合方法因其具有较高
【参考文献】：
期刊论文
[1]基于显著性权重融合的图像拼接算法[J]. 朱凌云,郑志天. 电子制作. 2019(24)
[2]针对高分辨率遥感图像的融合拼接算法[J]. 么鸿原,林雪原,王海鹏,郭强. 计算机工程与设计. 2019(11)
[3]一种改进的最佳缝合线算法[J]. 罗顺元,苍岩,乔玉龙. 应用科技. 2019(06)
[4]图像融合技术发展综述[J]. 史敏红. 计算机时代. 2019(09)
[5]基于SURF算法的红外图像拼接方法的改进[J]. 王锦坤,张秋菊. 轻工机械. 2019(03)
[6]图像融合质量评价方法研究综述[J]. 杨艳春,李娇,王阳萍. 计算机科学与探索. 2018(07)
[7]一种改进的Harris角点检测的图像配准方法[J]. 张见双,张红民,罗永涛,陈柏元. 激光与红外. 2017(02)
[8]基于SIFT算法的红外图像拼接方法改进[J]. 陆园园,张明. 计算机系统应用. 2015(08)
[9]Super-resolution reconstruction of images based on uncontrollable microscanning and genetic algorithm[J]. 代少升,刘劲松,向海燕,杜智慧,刘琴. Optoelectronics Letters. 2014(04)
[10]区域和局部信息结合的双向医学图像配准[J]. 郑莹,李光耀. 中国图象图形学报. 2011(01)
硕士论文
[1]红外图像数字细节增强关键技术研究[D]. 李苗苗.南京邮电大学 2019
[2]基于改进的SIFT特征的图像匹配算法研究[D]. 章雷.安徽理工大学 2019
[3]红外遥感图像拼接技术研究[D]. 彭畅.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2019
[4]多图像去噪方法及应用[D]. 陈银星.五邑大学 2019
[5]基于特征匹配的视频拼接算法研究[D]. 李岩.中国矿业大学 2019
[6]基于点特征的无人机遥感图像拼接[D]. 成耀天.广西大学 2018
[7]红外全向图像拼接算法研究与实现技术[D]. 鲜秦毅.西安电子科技大学 2018
[8]基于改进SIFT算法的遥感影像拼接算法研究[D]. 徐哲男.东北农业大学 2018
[9]基于改进SIFT的柱面全景图像拼接算法研究[D]. 何佳华.西南科技大学 2018
[10]基于SIFT特征图像拼接的全景显示技术研究[D]. 沈鹏.电子科技大学 2018
本文编号：3135949
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3135949.html
最近更新
教材专著
