论文部分内容阅读
成像设备的分辨率与获取场景范围之间的矛盾,以及特殊环境的限制,使得人们很难同时获取高分辨率、大尺寸图像,另一方面,多源图像信息的综合利用也成为重要问题。为满足人们的需求,图像拼接技术应运而生。图像拼接技术广泛应用于航空航天、视频监控、计算机视觉、医学图像处理等领域。
本文研究基于特征的图像拼接技术,主要包括图像配准与图像融合两大部分。本文首先研究图像配准的三个步骤:特征提取、特征匹配以及计算变换矩阵。特征提取方面,主要研究Harris和SIFT(scale Invariant Feature Transform)特征提取算法,并提出一种改进Harris算法。低维特征匹配算法主要研究归一化互相关系数、最大互信息、直方图交叉,并提出一种快速低维特征匹配算法。高维特征匹配算法主要研究BBF(Best Bin First),针对BBF算法的不足,提出一种改进BBF算法。本文研究RANSAC(Random Sample Consensus)精匹配算法,以消除误匹配特征对。进而计算变换矩阵,并采用非线性最小二乘法对变换矩阵进行优化。然后本文对图像融合技术进行了研究,并提出一种图像融合算法,最后给出实验效果及其质量评价。
本文主要工作及创新点如下:
(1)特征提取方面,深入研究Harris和SIFT特征点提取算法,提出一种能够直接提取彩色图像特征点的改进Harris算法,通过与其它算法进行比较,验证该算法的有效性。
(2)低维特征匹配方面,通过大量实验揭示低维特征匹配算法的参数与匹配速度、精度之间的内在关系,并给出最佳参数选择范围。针对低维特征匹配算法匹配时间长、精度低的问题,提出一种将SSDA(Sequential Similarity DetectionAlgorithm)与低维特征匹配算法相结合的快速匹配算法,并给出序贯相似阈值的最佳取值范围,实验证明该算法有效提高了特征匹配的速度与精度。
(3)高维特征匹配方面,在深入研究BBF算法的基础上,针对BBF算法的不足,提出一种改进的BBF算法,实验证明该算法进一步提高了匹配速度与稳定性。
(4)图像融合方面,提出一种有效的图像亮度调整策略,进一步减小亮度差异对拼接图像的影响；同时,提出一种基于融合区域形状的自适应加权系数融合算法,并通过实验说明改进算法能够有效消除拼接接缝。