基于特征点图像拼接的配准算法研究

论文摘要

图像拼接技术是数字图像处理领域里的一个重要分支,它被广泛应用于计算机视觉、全景图构造、医学图像处理应用、3D重构等领域。本文主要研究基于特征点的图像配准拼接技术,基于特征点的图像拼接技术一般包括特征点检测、图像配准和图像融合三个部分。在特征点检测部分,通过比较研究,本文采用了两种受噪声影响较小的特征点检测算子来进行特征点的选择,即Harris角点检测算子和SIFT特特征向量。其中Harris算法采取基于NCC的算法,而SIFT特征向量则是采用欧式距离的方法进行点对间的匹配运算。在图像配准部分,本文提出了一种新的图像配准方法。该方法以现有的RANSAC算法为基础,以仿射变换为变换模型,采用二次导向匹配的方法来提取仿射变换矩阵。在运用RANSAC算法得到内点集合之后,再次利用RANSAC算法找出计算最终仿射变换矩阵的几何配准阈值,最后适用这个阈值的90%大小为门限来求解仿射变换矩阵。本文采用选取6个点进行矩阵求解并进行验证的方法,改进了原来的算法,使得计算的结果更加准确,获得更加满意的变换矩阵。与LM算法相比,本文提出的方法在收敛性方面有所增强。在图像融合部分,本文介绍了几种常用的图像融合方法。最后,对于图像的特征点检测和融合,本文给出了几幅实际的图像来验证图像拼接效果,并且对几种方法进行了比较。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 图像拼接的课题背景
• 1.1.1 图像拼接技术的应用
• 1.1.2 图像拼接系统的构成
• 1.2 几种图像拼接技术概述
• 1.3 图像拼接技术国内外研究现状
• 1.4 本文所做的主要工作
• 第二章 图像配准的理论基础
• 2.1 图像的匹配
• 2.1.1 最大相关（NCC）匹配法
• 2.1.2 贯序相似性检测算法（SSDA）
• 2.2 点集相似性度量
• 2.2.1 Hausdorff 距离
• 2.2.2 RANSAC 算法
• 2.3 图像变换技术
• 2.3.1 相似变换
• 2.3.2 刚体变换
• 2.3.3 仿射变换
• 2.3.4 投影变换
• 2.3.5 图像变换方式总结
• 2.4 待拼接图像重投影
• 2.5 图像配准算法的研究趋势
• 第三章 角点及SIFT 特征向量的提取
• 3.1 角点检测
• 3.1.1 Moravec 角点提取算子
• 3.1.2 SUSAN 角点提取算子
• 3.1.3 Harris 角点检测实现过程
• 3.1.4 角点提取实例
• 3.2 SIFT 特征向量提取
• 3.2.1 高斯尺度空间极值检测
• 3.2.2 特征点位置的确定
• 3.2.3 特征点方向的确定
• 3.2.4 生成SIFT 特征向量
• 3.2.5 图像的高斯金字塔及DOG 金字塔图
• 3.3 本章小结
• 第四章 图像配准拼接方法
• 4.1 经典算法介绍
• 4.2 图像配准拼接方法设计框图
• 4.2.1 角点及SIFT 特征向量提取
• 4.2.2 角点及SIFT 特征向量初始匹配
• 4.2.2.1 NCC 最大相关法角点匹配
• 4.2.2.2 SIFT 特征向量初始匹配技术
• 4.3 改进的RANSAC 算法
• 4.4 仿射变换矩阵计算
• 4.5 图像拼接实例
• 第五章 图像的灰度插值及融合
• 5.1 图像灰度插值技术
• 5.1.1 前向映射和后向映射
• 5.1.2 插值灰度的计算
• 5.2 图像融合
• 5.2.1 取平均值法
• 5.2.2 加权平均法
• 5.2.3 欧式距离法
• 5.3 图像拼接缝的消除
• 5.3.1 中值滤波法消除拼接缝
• 5.3.2 小波方法消除拼接缝
• 5.3.3 利用加权平滑的方法消除拼接缝
• 第六章 总结和展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢