【摘要】：本文主要介紹一個(gè)完整的圖像拼接流程,并且致力于在視差存在的條件下獲得高質(zhì)量的圖像拼接結(jié)果。通常,圖像拼接包含三個(gè)重要的步驟:圖像配準(zhǔn)、圖像對(duì)齊與光束法平差、以及圖像后處理。關(guān)于圖像配準(zhǔn),本文提出了一種帶有多重線型描述符的局部特征及其加速匹配算法。先前的方法通過(guò)特征點(diǎn)的鄰域局部圖像塊的信息來(lái)描述特征點(diǎn)。然而,局部圖像塊并沒(méi)有包含準(zhǔn)確的方向以及尺度信息。與之相反,線段通常擁有該信息。因此,本文通過(guò)連接兩兩特征點(diǎn),然后建立線段模型,從而獲取線型描述符。由于每個(gè)線型描述符連接上了兩個(gè)特征點(diǎn),而且同時(shí)每個(gè)特征點(diǎn)連接上了多個(gè)線型描述符,因而最終形成了一個(gè)網(wǎng)狀拓?fù)浣Y(jié)構(gòu)。然而該方法帶來(lái)的一個(gè)代價(jià)是線型描述符的數(shù)量遠(yuǎn)遠(yuǎn)多于特征點(diǎn)數(shù)量,這對(duì)于特征匹配將會(huì)十分不利。為了加速匹配過(guò)程,本文充分利用了該網(wǎng)狀拓?fù)浣Y(jié)構(gòu),提出了針對(duì)該局部特征的一種獨(dú)特的加速匹配算法。實(shí)驗(yàn)結(jié)果表明:在魯棒性方面,本文提出的帶有多重線型描述符的局部特征要優(yōu)于其他基于點(diǎn)塊信息的經(jīng)典特征。關(guān)于圖像對(duì)齊與光束法平差,本文提出了基于網(wǎng)格優(yōu)化的圖像對(duì)齊算法�；诰植繂螒�(yīng)性變換的APAP方法能夠簡(jiǎn)潔高效地實(shí)現(xiàn)局部對(duì)齊,然而卻容易產(chǎn)生圖像畸變。GSP方法進(jìn)行了相機(jī)運(yùn)動(dòng)評(píng)估,求解全局相似性變換參數(shù),從而能夠很好地保持拼接圖像的自然度。本文利用上述兩種方法的優(yōu)勢(shì),結(jié)合ARAP方法的局部相似性變換,提出了網(wǎng)格優(yōu)化方法。網(wǎng)格優(yōu)化不僅具有圖像對(duì)齊算法的普適性,而且也實(shí)現(xiàn)了光束法平差的功能:同步地將所有原始圖像映射到統(tǒng)一坐標(biāo)系。實(shí)驗(yàn)結(jié)果表明:與其他經(jīng)典的圖像對(duì)齊方法對(duì)比,本文提出的圖像對(duì)齊算法不僅能夠精確對(duì)齊圖像的局部細(xì)節(jié),而且很好地保持了圖像結(jié)構(gòu)。在圖像后處理階段,本文提出了基于顯著性內(nèi)容保留的最佳縫合線方法。即便前述的網(wǎng)格優(yōu)化可以滿足小視差圖像拼接任務(wù)要求,但是仍然應(yīng)對(duì)不了以下兩種情況:存在大視差的場(chǎng)景以及存在運(yùn)動(dòng)目標(biāo)的場(chǎng)景。通常,應(yīng)對(duì)上述問(wèn)題,一個(gè)好的解決方案是:在圖像后處理階段,找尋最佳縫合線來(lái)切割縫合圖像,避免直接對(duì)圖像重疊區(qū)域的不同目標(biāo)進(jìn)行融合。然而,一根不好的縫合線將會(huì)切割顯著性目標(biāo),最終導(dǎo)致拼接縫。為了減少類似縫合線的出現(xiàn),本文利用顯著性內(nèi)容保留去加權(quán)縫合線方法中的能量函數(shù)。實(shí)驗(yàn)結(jié)果表明:基于顯著性內(nèi)容保留的最佳縫合線方法在去除大視差物體以及運(yùn)動(dòng)目標(biāo)的同時(shí),能夠有效避免切割顯著性目標(biāo)。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41
【圖文】：

圖１．１圖像拼接流程示例逡逑１．３局部特征提取研究現(xiàn)狀逡逑通常，局部特征的提取與匹配作為圖像拼接的第一個(gè)環(huán)節(jié)，也是最為關(guān)鍵的一個(gè)環(huán)節(jié)

圖２．１牛津大學(xué)圖像數(shù)據(jù)集逡逑２．２．２重復(fù)率與運(yùn)行時(shí)間對(duì)比逡逑由于本文沒(méi)有對(duì)特征檢測(cè)進(jìn)行創(chuàng)新設(shè)計(jì)，而集中于描述符的提取。因而，在此先對(duì)比逡逑現(xiàn)有的若干經(jīng)典檢測(cè)器的性能，從而可以選擇其中較為優(yōu)良的檢測(cè)器來(lái)進(jìn)行后續(xù)工作。此逡逑處對(duì)比的檢測(cè)器都是使用開源視覺(jué)庫(kù)ＯｐｅｎＣＶ邋３．１中提供的實(shí)現(xiàn)以及其默認(rèn)的參數(shù)，其主逡逑要有以下六種：ＳＩＦＴ、ＳＵＲＦ、ＣｅｎＳｕｒＥＭ、ＦＡＳＴ、ＫＡＺＥ、ＭＡＺＥ。測(cè)試中，提取每張圖片５００逡逑個(gè)特征點(diǎn)，測(cè)試平臺(tái)為邋Ｉｎｔｅｌ邋（Ｒ）邋Ｃｏｒｅ邋（ＴＭ）邋ｉ５－２４３０Ｍ邋ＣＰＵ邋＠邋２．４０ＧＨｚ。逡逑對(duì)于一個(gè)檢測(cè)器而言，應(yīng)該受到關(guān)注的一方面是同一個(gè)特征點(diǎn)在兩幅不同的圖片上是逡逑否能夠同時(shí)被檢測(cè)出來(lái)。由此，給出一個(gè)檢測(cè)器的重復(fù)率指標(biāo)的定義［４５］［４６］如下公式２．１：逡逑１１逡逑

浙江大學(xué)碩士學(xué)位論文邐一種魯棒的圖像配準(zhǔn)局部特征描述方法逡逑Ｒｅｐ邋＝令邐（２．１）逡逑其中，表示重復(fù)率，＾表示兩幅圖像中同一特征點(diǎn)對(duì)的數(shù)量，Ｗ表示檢測(cè)的特征數(shù)逡逑量，此處測(cè)試為Ｗ邋＝邋５００。逡逑圖２．邋２為前述六種檢測(cè)器關(guān)于重復(fù)率指標(biāo)的測(cè)試結(jié)果。從整體上來(lái)看，ＫＡＺＥ和ＡＫＡＺＥ逡逑通常擁有最好的檢測(cè)重復(fù)率，特別是ＡＫＡＺＥ。ＳＵＲＦ相比于ＳＩＦＴ而言，表現(xiàn)得更好。ＦＡＳＴ逡逑和ＣｅｎＳｕｒＥ相比，在不同的情況下優(yōu)劣不一。就它們的整體表現(xiàn)而言，通常比ＳＵＲＦ要差。逡逑由于ＳＩＦＴ和ＳＵＲＦ檢測(cè)方法相似，ＫＡＺＥ和ＡＫＡＺＥ相似，故而，此處可以排除表現(xiàn)相對(duì)較差逡逑的ＳＩＦＴ與ＫＡＺＥ。于是，對(duì)重復(fù)率的總結(jié)如下：ＡＫＡＺＥ優(yōu)于ＳＵＲＦ，ＳＵＲＦ優(yōu)于ＦＡＳＴ和ＣｅｎＳｕｒＥ。逡逑

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 方賢勇,潘志庚,徐丹;圖像拼接的改進(jìn)算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2003年11期

2 何紅太,王秀美,全茜;刑事犯罪現(xiàn)場(chǎng)的圖像拼接設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)工程與科學(xué);2004年12期

3 張顯全;唐振軍;盧江濤;;基于線匹配的圖像拼接[J];計(jì)算機(jī)科學(xué);2005年01期

4 孫瀚,黃大貴;基于十字形區(qū)域搜索法的圖像拼接方法[J];計(jì)量與測(cè)試技術(shù);2005年01期

5 李波;一種基于小波和區(qū)域的圖像拼接方法[J];電子科技;2005年04期

6 陳世哲;胡濤;劉國(guó)棟;謝凱;劉炳國(guó);浦昭邦;;基于光柵的快速精確圖像拼接[J];光學(xué)精密工程;2006年02期

7 王靖;高雷;;圖像拼接的檢測(cè)[J];計(jì)算機(jī)安全;2006年07期

8 王長(zhǎng)纓;周明全;;一種基于局部金字塔分解的圖像拼接[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年03期

9 馮桂蘭;田維堅(jiān);屈有山;張宏建;葛偉;;嵌入式高速DSP在視頻圖像拼接系統(tǒng)的應(yīng)用[J];彈箭與制導(dǎo)學(xué)報(bào);2006年S8期

10 田瑞娟;;圖像拼接融合技術(shù)在網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)中的應(yīng)用探究[J];兵工自動(dòng)化;2009年03期

相關(guān)會(huì)議論文 前10條

1 田宏亮;王俊妮;岳鵬;;一種基于邊界閾值的圖像拼接融合算法[A];2013年（第五屆）西部光子學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

2 鄭金鑫;杜軍平;;基于Levenberg-Marquardt算法的圖像拼接研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

3 易端陽(yáng);唐萬(wàn)有;郝健強(qiáng);;印品檢測(cè)中相似測(cè)度算法在圖像拼接中的對(duì)比研究[A];顏色科學(xué)與技術(shù)——2012第二屆中國(guó)印刷與包裝學(xué)術(shù)會(huì)議論文摘要集[C];2012年

4 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

5 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

6 薛燕;李建良;朱學(xué)芳;;人臉識(shí)別中特征提取的一種改進(jìn)方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

7 杜栓平;曹正良;;時(shí)間—頻率域特征提取及其應(yīng)用[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

8 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動(dòng)目標(biāo)的分割與特征提取[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2008年

9 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

10 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

相關(guān)博士學(xué)位論文 前10條

1 宮妍;全景圖像拼接關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2016年

2 賈銀江;無(wú)人機(jī)遙感圖像拼接關(guān)鍵技術(shù)研究[D];東北農(nóng)業(yè)大學(xué);2016年

3 高健華;時(shí)空聯(lián)合調(diào)制型傅里葉變換紅外成像光譜儀光譜復(fù)原與圖像拼接研究[D];中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;2017年

4 張樺;場(chǎng)景圖像拼接關(guān)鍵技術(shù)研究[D];天津大學(xué);2008年

5 邵向鑫;數(shù)字圖像拼接核心算法研究[D];吉林大學(xué);2010年

6 易軍;人臉識(shí)別中的特征提取與度量學(xué)習(xí)算法研究[D];北京郵電大學(xué);2015年

7 段佳;SAR/ISAR目標(biāo)電磁特征提取及應(yīng)用研究[D];西安電子科技大學(xué);2015年

8 馮博;雷達(dá)高分辨距離像特征提取與識(shí)別方法研究[D];西安電子科技大學(xué);2015年

9 陳斌;連續(xù)語(yǔ)音識(shí)別特征提取與聲學(xué)模型訓(xùn)練區(qū)分性技術(shù)研究[D];解放軍信息工程大學(xué);2015年

10 熊慶;列車滾動(dòng)軸承振動(dòng)信號(hào)的特征提取及診斷方法研究[D];西南交通大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 施嘉察;基于線特征和網(wǎng)格優(yōu)化的圖像拼接算法研究[D];浙江大學(xué);2018年

2 汪鵬飛;旋轉(zhuǎn)式全景圖像拼接算法研究[D];哈爾濱工程大學(xué);2016年

3 范艷;基于云端號(hào)的大視場(chǎng)圖像拼接方法研究[D];武漢工程大學(xué);2017年

4 陳澤武;FPC光學(xué)缺陷檢測(cè)平臺(tái)中的關(guān)鍵圖像處理技術(shù)[D];華南理工大學(xué);2015年

5 殷娟娟;基于SIFT特征的巖石圖像拼接研究[D];西安石油大學(xué);2015年

6 岳昕;基于SIFT的全景圖像拼接方法研究[D];昆明理工大學(xué);2015年

7 徐忠洋;航拍圖像拼接算法的研究與實(shí)現(xiàn)[D];遼寧大學(xué);2015年

8 吳金津;改進(jìn)的SIFT算法及其在圖像拼接中的應(yīng)用[D];湖南工業(yè)大學(xué);2015年

9 王鵬程;基于DSP的視頻拼接技術(shù)的研究[D];湖南工業(yè)大學(xué);2015年

10 宋佳乾;視頻圖像拼接優(yōu)化算法實(shí)現(xiàn)研究[D];寧夏大學(xué);2015年

本文編號(hào)：2799385