基于拼接缝消除和全景图矫直的快速图像拼接算法研究

发布时间：2021-12-28 16:15

　　随着计算机视觉的快速发展,人们对图像的视觉要求越来越高,高质量、信息丰富的全景图也成为人们的日常需求。图像拼接是一种将同一场景下的数幅有序且包含重复区域的图像拼接成一幅全景图的技术,在遥感、无人机航拍等领域的应用前景十分广阔,具有十分重要的理论意义和应用价值。图像拼接技术一般分为图像配准、图像融合和图像矫直三个部分。本文针对图像拼接存在色差过渡不均匀、图像倾斜扭曲及拼接效率低等问题展开研究,以提高图像质量和拼接效率为重点,提出一种基于拼接缝消除和全景图矫直的快速图像拼接算法。首先,改进经典的SIFT算法,提取图像特征,缩短拼接时间;其次,通过自适应更新机制降低不同图像背景下拼接缝色差过渡不均匀的影响,提高图像质量;最后,为拼接后的图像建立自适应矫直模型,降低图像倾斜扭曲程度,从而获得一幅全景图。本文的主要研究内容包括:1.针对经典的SIFT算法因提取整幅图像特征导致算法计算量大,并易造成后续特征误匹配和计算冗余的问题,本文改进SIFT算法。首先,在尺度空间进行极值检测时,限定图像检测范围,只提取指定图像区域的特征点,缩短算法时间。随后,使用双向KNN进行图像配准,通过RANSAC算法剔... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

幅分辨率为384512的原序列图像

基于限定区域的SIFT特征提取结果

重庆邮电大学硕士学位论文第2章基于限定区域SIFT特征的图像配准算法15图2.6是对原图像进行SIFT特征提取后，采用双向KNN算法对特征点进行初始匹配的结果。(a)初始匹配1(b)初始匹配2(c)初始匹配3(d)初始匹配4图2.6双向KNN特征匹配结果2.3.2RANSAC算法从图2.6可以看出，特征初始匹配的结果仍存在误匹配现象，因此，本文采用随机抽样一致性(RANSAC)算法，进一步剔除这些特征误匹配对，达到有效提高图像配准的效果，同时估算图像间的仿射变换矩阵，得到最终配准后的结果。简单介绍RANSAC算法的步骤：①初始匹配中随机抽取N个匹配对，根据N个匹配对估算仿射变换矩阵H，可以计算得到图像间的仿射变换矩阵参数，如公式(2.16)[41,42]所示，"0001"101110011iiiixmmuxymmvy=(2.16)其中，00m、01m、10m和11m分别表示图像旋转和缩放等变换参数。u，v分别表示图像沿x轴和y轴方向的平移量。(",")iixy、(,)iixy分别是参考图像和目标图像上对应匹配的两个特征点。


本文编号：3554357