动态场景拼接技术的研究与实现

论文摘要

图像拼接技术一直是计算机视觉和图像处理的研究热点。它把多幅离散的图像信息表现在一幅大视角高分辨率的平滑图像上,很好地解决了图像的视野和分辨率的矛盾问题,在虚拟现实技术,旅游,医学图像处理,遥感测量,航空和军事领域等方面都有广泛的应用。图像拼接可以分为静态场景拼接和动态场景拼接,对于静态场景拼接,已经有了很多成熟的算法,取得了很好的效果;但对于动态场景拼接,现有的算法仍然很难克服曝光差异和图像中存在运动物体这两个问题。首先,本文介绍了图像拼接技术的实现过程,全面总结了它的研究意义、国内外研究现状、主要应用领域以及现有图像拼接技术的主要方法,并对各个关键环节的不同算法进行了分析比较。其次,本文介绍了基于SIFT特征的动态场景配准算法的详细实现过程,并对动态场景配准算法进行了仿真,给出了配准效果图。本文重点分析了动态场景拼接中存在的问题,并针对最佳缝合线搜索算法提出了一种改进算法。主要是对最佳缝合线搜索准则进行了改进,使用灰度差代替色彩强度差构建最佳缝合线搜索准则。建立了新的最佳缝合线搜索准则之后使用动态规划算法来搜索最佳缝合线,最后通过泊松融合实现图像的融合。实验结果表明,本文的算法能够很好的避开运动物体,成功的实现动态场景的拼接。由于在实现过程中使用灰度图像,降低了算法的复杂度。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 论文研究的背景和意义
• 1.2 国内外研究现状
• 1.3 图像拼接的主要应用领域
• 1.4 论文内容与组织结构
• 2 图像拼接及其关键技术研究
• 2.1 图像拼接的基本流程
• 2.2 图像配准技术
• 2.3 图像坐标变换
• 2.4 图像灰度插值
• 2.4.1 最近邻插值法
• 2.4.2 双线性插值法
• 2.5 图像融合技术
• 2.5.1 平均值法
• 2.5.2 加权平均法
• 2.5.3 直方图法
• 2.5.4 多分辨率法
• 2.6 本章小结
• 3 动态场景的配准算法
• 3.1 SIFT 算法原理
• 3.1.1 SIFT 特征匹配算法
• 3.1.2 SIFT 特征向量的特性
• 3.2 SIFT 特征点的提取
• 3.3 SIFT 特征点粗匹配
• 3.3.1 最近邻NN 算法
• 3.3.2 特征点粗匹配的过程
• 3.4 动态场景的配准
• 3.4.1 RANSAC 算法确定最终模型参数
• 3.4.2 动态场景的配准结果
• 3.5 本章小结
• 4 基于最佳缝合线的动态场景拼接算法研究
• 4.1 静态场景与动态场景拼接的比较
• 4.2 最佳缝合线搜索准则
• 4.2.1 最佳缝合线搜索准则
• 4.2.2 最佳缝合线搜索准则的比较
• 4.3 最佳缝合线搜索算法
• 4.3.1 Dijkstra 算法
• 4.3.2 动态规划算法
• 4.3.3 最佳缝合线搜索算法的比较
• 4.4 图像融合算法
• 4.5 本章小结
• 5 改进的动态场景拼接算法
• 5.1 图像预处理
• 5.1.1 中值滤波
• 5.2 基于SIFT 特征点的图像配准
• 5.3 最佳缝合线搜索准则
• 5.3.1 曝光差异矫正
• 5.3.2 计算灰度差
• 5.3.3 计算梯度差
• 5.3.4 搜索最佳缝合线的准则式
• 5.4 基于动态规划的最佳缝合线搜索算法
• 5.5 泊松融合
• 5.6 实验结果分析
• 5.6.1 最佳缝合线搜索的比较
• 5.6.2 最终拼接结果的比较
• 5.7 本章小结
• 6 结束语
• 致谢
• 参考文献
• 附录