基于SIFT算法的图像拼接技术研究

论文摘要

在图像应用领域宽视角图像的应用越来越广泛,图像拼接技术解决了成像设备视角不足的问题,推动了图像处理技术的发展,并帮助解决了一些其它领域的难点问题。图像拼接技术就其技术环节来说,主要分为三个部分：图像预处理,图像配准和图像融合。图像配准是整个图像拼接技术的基础和关键,图像配准的质量直接关系着图像拼接的最终结果。在讨论几种常用的基于特征点的图像配准和图像融合技术的基础上,本文对目前流行的SIFT(Scale invariant feature transform)特征点配准技术进行了深入的研究和分析。并在描述字匹配技术上提出一种新的改进方案。目的在于更快更稳定地实现特征点配准。本文的主要贡献是：针对SIFT算法在强干扰及复杂环境下出错率较高的问题,改进了SIFT算法的匹配方法,采用一种新的基于模长的匹配方法：首先对特征点向量进行限幅去除强干扰点的影响,再对其进行归一化处理消除光照影响,最后计算匹配对的模长,并比较其模长与最相似匹配对模长的差值以确定两幅图像间的准确匹配对。通过对不同环境下的图像进行匹配实验,所得的实验数据表明改进后的算法稳定性更高,匹配耗时更短。最后采用改进匹配方法的SIFT算法并结合渐入渐出融合算法实现了图像拼接,从实验的结果可以看出,本文提出的改进方案应用性强,对图像拼接的发展有一定的推动作用。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 国内外研究现状及应用领域
• 1.2.1 国内外研究现状
• 1.2.2 应用领域
• 1.3 本文的章节安排
• 1.4 本文的主要贡献
• 2 图像预处理
• 2.1 引言
• 2.2 几何失真的描述
• 2.3 几何校正
• 2.3.1 几何校正
• 2.3.2 确定像素的灰度值
• 3 基于特征点的图像配准技术
• 3.1 引言
• 3.2 特征提取
• 3.2.1 边缘特征
• 3.2.2 区域特征
• 3.2.3 点特征
• 3.3 几种常用特征点的提取算法
• 3.3.1 Moravec算法
• 3.3.2 SUSAN算法
• 3.3.3 Harris算法
• 3.3.4 Forstner算法
• 3.4 特征点匹配技术
• 3.4.1 互相关（CC）法
• 3.4.2 归一化互相关（Normalized Cross Correlation,NCC）法
• 3.5 小结
• 4 SIFT配准算法及其改进方案
• 4.1 引言
• 4.2 尺度空间理论
• 4.3 SIFT算法原理
• 4.3.1 尺度空间生成
• 4.3.2 特征点的检测与提取
• 4.3.3 特征点描述字的生成
• 4.3.4 特征点向量的匹配
• 4.4 改进的匹配方案
• 4.4.1 限幅
• 4.4.2 归一化
• 4.4.3 比较模长
• 4.5 实验结果与分析
• 4.6 小结
• 5 图像融合技术
• 5.1 引言
• 5.2 图像融合
• 5.2.1 平均值法
• 5.2.2 加权平均法
• 5.2.4 多分辨率融合法
• 5.3 小结
• 6 总结与展望
• 6.1 本文总结
• 6.2 下一步工作展望
• 参考文献
• 作者在读研期间研究成果简介
• 后记