论文部分内容阅读
现实中，图像采集设备的视场范围是有限的，为了扩大图像视野，需要多幅具有重叠区域的图像生成一幅完整的宽视野全景图像。高质量的全景图像是后续研究工作的重要基础，因此全景图像拼接技术已经成为数字图像处理领域的研究热点。然而，利用传统方法对光照不均匀图像进行拼接常常会出现一些困难，拼接效果并不理想，甚至拼接失败。本文基于光照变化对图像的颜色信息影响较小的特点，针对照度不均匀图像的全景图像拼接技术进行了研究。论文针对常见的几种照度不均匀图像的特点及其对生成全景图像所带来的困难，研究建立了基于色彩信息的全景图像拼接技术，有效提高了照度不均匀图像的全景图像拼接的成功率。具体开展了以下几个方面研究：1)照度不均匀图像的信息恢复技术。研究建立了一种利用传统RGB颜色模型构建色彩恒量信息的方法。该算法通过对照度不均匀图像特点的分析，在现有解决图像照度不均匀现象算法的基础上，根据Kubelka-Munk光谱辐射理论中关于颜色空间结构和光谱结构的基本思想，利用RGB颜色模型构建出一种色彩恒量信息，对其进行归一化处理得到色彩恒量灰度图，该算法生成的灰度图不但可以较清晰的保持图像的原貌，而且在光照变化剧烈的情况下仍然具有良好的鲁棒性。实验验证了该算法的有效性。2)在研究照度不均匀图像特征提取的过程中，研究建立了一种基于色彩恒量的Harris特征描述方法。图像的特征提取是图像拼接的关键环节，本文在分析常用的特征提取方法的基础上，利用高斯图像金字塔的思想，研究建立了基于色彩恒量的多尺度Harris特征提取方法，相比传统Harris角点检测算法，增加了对图像局部区域特征的检测能力，更加有利于对照度不均匀图像的特征进行提取。3)在对照度不均匀图像的配准与合并等算法进行研究的过程中，研究建立了一种根据特征点间欧氏距离进行权值投票的特征点匹配方法。本文首先分析了传统的特征点匹配方法局部区域相关法（LACC）的特点，指出该方法在图像旋转角度较大的情况下，误匹配率急剧上升的缺点。针对这一问题，提出了利用特征点间欧氏距离进行投票的方法进行特征点的匹配，实验证明该算法相比传统的LACC方法在处理角度变换的图像时，具有较大的优势。