基于特征点的图像拼接技术研究

论文摘要

真实世界是一个丰富的信息源,而视觉信息又是其中最重要的信息。通过图像拼接技术获取的图像是一种表示真实世界的有效形式,它可以剔除图像序列间大量的冗余信息,压缩信息存储量,从而更加有效地表示信息,人们也可以更加客观形象地认识和理解真实世界。随着计算机技术水平的不断提高,宽视野、高分辨率的图像或视频在一些领域显得越来越重要,而图像拼接技术可以很好的解决视野与分辨率的矛盾问题,为这些领域的关键问题提供很好的解决途径。因此,图像拼接技术被广泛应用于全景图像合成、运动分析、图像分辨率的提高、视频检索、视频压缩、医学图像分析、物体的3-D重建等领域。本文首先介绍了图像拼接技术的研究意义、现状及应用领域,从而展示了图像拼接技术广阔的应用前景。然后对图像拼接及其关键技术进行了概括和总结,介绍了图像的采集、几何校正、配准及融合技术。重点研究了基于特征点的图像拼接技术中特征点的提取、匹配及图像融合等关键技术,分析和总结了各类方法、性能以及存在的问题,比较其优缺点,并进行了实验仿真。最后本文在现有的基于特征点的拼接方法的基础上,提出了一种基于曲率尺度空间的图像拼接（CSM,Curvature Scale-space Mosaic）算法。该算法利用曲率尺度空间（CSS）角点检测法提取特征点,通过比较各特征点圆形邻域Zernike矩的欧式距离得到匹配点对,然后利用正确的映射模型计算出变换参数,最后采用加权平均法得到图像的拼接结果。实验表明,该算法在图像间存在旋转、平移及噪声干扰的情况下,仍能得到很好的拼接结果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 图像拼接技术的研究意义
• 1.3 图像拼接技术的研究现状
• 1.4 图像拼接技术的应用领域
• 1.4.1 环境监测及视频监控
• 1.4.2 医学图像分析
• 1.4.3 虚拟场景的构建和虚拟漫游
• 1.5 本文的主要研究工作和组织结构
• 1.5.1 本文主要工作
• 1.5.2 论文章节安排
• 第二章 图像拼接及其关键技术
• 2.1 图像拼接基本流程
• 2.2 图像采集
• 2.2.1 旋转照相机拍摄
• 2.2.2 平移照相机拍摄
• 2.2.3 手持照相机拍摄
• 2.3 几何校正
• 2.3.1 图像畸变类型
• 2.3.2 运动模型与几何变换
• 2.4 图像配准技术
• 2.4.1 图像配准关键要素
• 2.4.2 图像配准方法
• 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 中值滤波法
• 2.5.4 多分辨率技术
• 第三章 基于特征点的图像拼接技术
• 3.1 特征点的提取——角点检测
• 3.1.1 角点的定义
• 3.1.2 Moravec 检测算法
• 3.1.3 SUSAN 检测算法
• 3.1.4 Harris 检测算法
• 3.1.5 基于边缘细化的角点检测算法
• 3.1.6 几种方法的比较
• 3.2 特征点的匹配
• 3.2.1 匹配应满足的约束条件
• 3.2.2 角点的匹配
• 3.2.3 鲁棒性估计方法
• 3.3 图像的融合
• 3.3.1 图像合并
• 3.3.2 拼缝的消除
• 3.4 实验结果分析
• 第四章 一种基于曲率尺度空间的图像拼接算法
• 4.1 特征点检测
• 4.1.1 CSS 角点检测算法
• 4.1.2 算法结果分析
• 4.2 特征匹配
• 4.3 计算变换参数
• 4.4 图像融合
• 4.5 实验结果分析
• 第五章 结论
• 致谢
• 参考文献
• 作者在读期间的研究成果