基于线特征和网格优化的图像拼接算法研究

发布时间：2020-08-21 12:34

【摘要】：本文主要介绍一个完整的图像拼接流程,并且致力于在视差存在的条件下获得高质量的图像拼接结果。通常,图像拼接包含三个重要的步骤:图像配准、图像对齐与光束法平差、以及图像后处理。关于图像配准,本文提出了一种带有多重线型描述符的局部特征及其加速匹配算法。先前的方法通过特征点的邻域局部图像块的信息来描述特征点。然而,局部图像块并没有包含准确的方向以及尺度信息。与之相反,线段通常拥有该信息。因此,本文通过连接两两特征点,然后建立线段模型,从而获取线型描述符。由于每个线型描述符连接上了两个特征点,而且同时每个特征点连接上了多个线型描述符,因而最终形成了一个网状拓扑结构。然而该方法带来的一个代价是线型描述符的数量远远多于特征点数量,这对于特征匹配将会十分不利。为了加速匹配过程,本文充分利用了该网状拓扑结构,提出了针对该局部特征的一种独特的加速匹配算法。实验结果表明:在鲁棒性方面,本文提出的带有多重线型描述符的局部特征要优于其他基于点块信息的经典特征。关于图像对齐与光束法平差,本文提出了基于网格优化的图像对齐算法。基于局部单应性变换的APAP方法能够简洁高效地实现局部对齐,然而却容易产生图像畸变。GSP方法进行了相机运动评估,求解全局相似性变换参数,从而能够很好地保持拼接图像的自然度。本文利用上述两种方法的优势,结合ARAP方法的局部相似性变换,提出了网格优化方法。网格优化不仅具有图像对齐算法的普适性,而且也实现了光束法平差的功能:同步地将所有原始图像映射到统一坐标系。实验结果表明:与其他经典的图像对齐方法对比,本文提出的图像对齐算法不仅能够精确对齐图像的局部细节,而且很好地保持了图像结构。在图像后处理阶段,本文提出了基于显著性内容保留的最佳缝合线方法。即便前述的网格优化可以满足小视差图像拼接任务要求,但是仍然应对不了以下两种情况:存在大视差的场景以及存在运动目标的场景。通常,应对上述问题,一个好的解决方案是:在图像后处理阶段,找寻最佳缝合线来切割缝合图像,避免直接对图像重叠区域的不同目标进行融合。然而,一根不好的缝合线将会切割显著性目标,最终导致拼接缝。为了减少类似缝合线的出现,本文利用显著性内容保留去加权缝合线方法中的能量函数。实验结果表明:基于显著性内容保留的最佳缝合线方法在去除大视差物体以及运动目标的同时,能够有效避免切割显著性目标。
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41
【图文】：

图像拼接,示例,研究现状,环节

图１．１图像拼接流程示例逡逑１．３局部特征提取研究现状逡逑通常，局部特征的提取与匹配作为图像拼接的第一个环节，也是最为关键的一个环节

重复率,牛津大学,特征检测,描述符

图２．１牛津大学图像数据集逡逑２．２．２重复率与运行时间对比逡逑由于本文没有对特征检测进行创新设计，而集中于描述符的提取。因而，在此先对比逡逑现有的若干经典检测器的性能，从而可以选择其中较为优良的检测器来进行后续工作。此逡逑处对比的检测器都是使用开源视觉库ＯｐｅｎＣＶ邋３．１中提供的实现以及其默认的参数，其主逡逑要有以下六种：ＳＩＦＴ、ＳＵＲＦ、ＣｅｎＳｕｒＥＭ、ＦＡＳＴ、ＫＡＺＥ、ＭＡＺＥ。测试中，提取每张图片５００逡逑个特征点，测试平台为邋Ｉｎｔｅｌ邋（Ｒ）邋Ｃｏｒｅ邋（ＴＭ）邋ｉ５－２４３０Ｍ邋ＣＰＵ邋＠邋２．４０ＧＨｚ。逡逑对于一个检测器而言，应该受到关注的一方面是同一个特征点在两幅不同的图片上是逡逑否能够同时被检测出来。由此，给出一个检测器的重复率指标的定义［４５］［４６］如下公式２．１：逡逑１１逡逑

柱状图,重复率,柱状,局部特征描述

浙江大学硕士学位论文逦一种鲁棒的图像配准局部特征描述方法逡逑Ｒｅｐ邋＝令逦（２．１）逡逑其中，表示重复率，＾表示两幅图像中同一特征点对的数量，Ｗ表示检测的特征数逡逑量，此处测试为Ｗ邋＝邋５００。逡逑图２．邋２为前述六种检测器关于重复率指标的测试结果。从整体上来看，ＫＡＺＥ和ＡＫＡＺＥ逡逑通常拥有最好的检测重复率，特别是ＡＫＡＺＥ。ＳＵＲＦ相比于ＳＩＦＴ而言，表现得更好。ＦＡＳＴ逡逑和ＣｅｎＳｕｒＥ相比，在不同的情况下优劣不一。就它们的整体表现而言，通常比ＳＵＲＦ要差。逡逑由于ＳＩＦＴ和ＳＵＲＦ检测方法相似，ＫＡＺＥ和ＡＫＡＺＥ相似，故而，此处可以排除表现相对较差逡逑的ＳＩＦＴ与ＫＡＺＥ。于是，对重复率的总结如下：ＡＫＡＺＥ优于ＳＵＲＦ，ＳＵＲＦ优于ＦＡＳＴ和ＣｅｎＳｕｒＥ。逡逑

【相似文献】