基于特征的图像拼接算法研究

论文摘要

图像匹配和拼接是图像处理领域中最重要的环节之一。可分为区域匹配和特征匹配两个大类。区域匹配中最常用的算法是归一化互相关方法。互相关匹配在两幅图像不相似的情况下,配准率很低,所以近年来,国外的研究工作都在致力于特征匹配方法的研究。已有的拼接算法无法处理两幅图像间有噪声,存在较大的旋转角度、平移和尺度变化时的情况,而且这些方法的拼接效果不理想,无法满足准确拼接的要求。基于特征的配准方法能够处理两幅图像间存在比较大的未对准情况,并且计算量小,配准速度较快。基于特征的匹配方法涉及两个重要部分,一是特征的选定和提取;二是相似性准则的确定及实现。针对有旋转和噪声干扰的图像,从检测精度和计算效率两方面对当前应用比较广泛的角点检测方法Harris和SUSAN进行比较,由于SUSAN算法对旋转和噪声的不敏感,且算法运算速度快,被应用到本文的角点检测中。在上述角点检测算法基础上,本文提出了针对有旋转和噪声干扰的图像拼接算法。该算法采用改进的角点检测算法,在点特征匹配阶段,分三步建立角点之间的对应关系。第一步,利用改进的归一化互相关方法初步建立起角点的对应关系;第二步,利用马氏距离仿射不变性原理删除错误的角点匹配对;第三步在选出的匹配对中选出自相关距离最小的三对角点对。最后用正确点对求得待配准的两幅图像间的仿射变换参数,并对图像进行重采样和镶嵌。本文提出的基于角点检测的图像拼接算法能够实现有大旋转角度,平移条件下图像之间的拼接,适用于噪声干扰较小图像尺度变化较小的图像的拼接。并对提出的角点提取算子和特征匹配方法进行了分析。角点提取算法主要就定位的正确性,误检和漏检等几方面进行了分析。基于角点特征的图像拼接算法具有运算速度快,鲁棒性强。特征匹配对图像之间的匹配效果好,速度较快。

论文目录

• 摘要
• Abstract
• 第1章 前言
• 1.1 选题提出及意义
• 1.2 国内外研究现状
• 1.3 研究思路及内容
• 1.4 主要工作量
• 第2章 图像拼接算法概述
• 2.1 引言
• 2.2 图像配准的原理
• 2.2.1 图像配准的定义
• 2.2.2 空间变换模型
• 2.3 图像配准的主要步骤
• 2.4 图像配准的方法
• 2.4.1 基于特征的图像配准方法
• 2.4.2 基于区域的图像配准方法
• 2.4.3 基于互信息的配准方法
• 2.5 重采样理论和图像镶嵌
• 2.5.1 重采样理论
• 2.5.2 图像镶嵌
• 2.6 本章小结
• 第3章 图像特征的提取
• 3.1 图像特征提取概述
• 3.2 图像特征基元的选择
• 3.2.1 区域特征
• 3.2.2 边缘特征
• 3.2.3 角点特征
• 3.3 图像特征提取——角点检测
• 3.4 SUSAN检测算法
• 3.4.1 算法介绍
• 3.4.2 SUSAN算法特点
• 3.5 Harris角点检测算法
• 3.5.1 Harris角点检测介绍
• 3.5.2 角点判断标准
• 3.5.3 Harris角点检测算法特点
• 3.6 角点检测的试验对比
• 3.6.1 对于标准检测图像的角点检测对比
• 3.6.2 对于加入随机噪声的标准检测图像角点检测对比
• 3.6.3 对于加入随机噪声并不断偏移的正方形角点检测对比果
• 3.6.4 对于用照相机拍摄的打印图片用SUSAN检测结果
• 3.6.5 实验室图片用SUSAN检测结果
• 3.7 结论
• 第4章 特征匹配
• 4.1 角点粗匹配
• 4.1.1 交叉相关法（cross-correlation）
• 4.1.2 LACC（Local area correlation coefficient）
• 4.2 互相关算法改进
• 4.3 马氏距离（Mahalanobis Distance）提纯
• 4.3.1 马氏距离定义
• 4.3.2 仿射变换及其性质
• 4.3.3 马氏距离仿射变换不变性及其具体应用
• 4.4 仿射变换参数估计
• 4.5 结论
• 第5章 结论及展望
• 5.1 本论文工作总结
• 5.2 展望
• 参考文献
• 致谢
• 在学期间的研究成果