论文部分内容阅读
图像作为人类视觉信息的主要载体，已经渗透到了各行各业，在虚拟现实、目标识别、遥感技术、医学图像处理等领域，我们经常会需要同时具有大视角和高分辨率的图像。由于普通成像设备视野的局限性，很难获得所需要的宽领域图像，而且，目前市场上存在的鱼眼镜头、全景相机等设备容易引起图像的畸变。图像拼接技术能够将一系列具有重叠部分的窄领域图像进行无缝拼接，得到一幅视野相对宽阔的图像。此外，采用图像拼接技术获得的图像在具有高分辨率的同时还能拥有比较大的视野。作为计算机视觉领域的一个相对热门的研究方向，对图像拼接技术的优化有着非常重要的应用价值。
图像拼接算法面临机遇的同时也面临着很大的挑战，对大视差场景的拼接和提升拼接图像的自然度成为近些年来研究学者们重点关注的研究方向。由于视差的存在，输入图像之间的对齐不像没有视差时那么简单，情况就复杂了很多，重叠区域出现重影以及拼接图像不符合人类肉眼的观感都与视差的存在有着一定的关系。本文针对图像拼接算法中面临的难题，进行了深入的研究，主要研究内容如下：
①针对传统的用于剔除误匹配点对的随机抽样一致性算法RANSAC，分析了视差存在的情况下单应性矩阵作为RANSAC筛选模型的不准确性，从而说明单应性矩阵作为筛选模型的RANSAC算法容易将正确的特征点对当做错误的特征点对删除，同时将错误的特征点对当做正确的特征点对保留下来。鉴于正确的匹配特征点对在后续图像拼接过程中起着至关重要的作用，为了避免匹配特征点对的不准确对后续图像拼接造成的不良影响，从相机成像原理出发，找到同一场景在两个不同视角下所成的两幅图像之间存在的本质联系，然后获得对应的像点间具有的准确约束关系，进而借助这种准确的关系，确定RANSAC算法的筛选模型为基础矩阵，更加精确的删除错误匹配特征点对，保留正确匹配特征点对。
②研究基于格林坐标和弹性鲁棒扭曲的图像拼接技术。针对最终拼接图像中经常存在的自然度不高的问题，利用格林坐标对输入图像进行可以保持物体基本形状的预变形，再进一步对预变形图像和参考图像进行特征点匹配，计算特征点映射后产生的投影偏差，并通过纠正投影偏差消除视差造成的影响，最后，最佳缝合线算法被用来寻找缝合线以便无缝拼接输入图像。通过与几种典型的图像拼接算法进行对比，结果表明本文算法获得的拼接图像的质量有一定的提升。
③针对传统最佳缝合线算法存在的问题，研究了基于超像素分割的改进最佳缝合线算法。因为传统缝合线的走向受到了很大的限制，所以容易造成缝合线切割显著物体的情况，针对这类问题，将超像素分割的思想运用到缝合线的找取中，对输入图像的重叠区域进行超像素分割，使所需的缝合线从这些超像素的边缘走过，将图像重叠区域能量最小路径找取问题转化为在超像素边界的0-1矩阵中找取路径的问题，超像素边界0-1矩阵中路径的搜索方式采用深度优先搜索。
图像拼接算法面临机遇的同时也面临着很大的挑战，对大视差场景的拼接和提升拼接图像的自然度成为近些年来研究学者们重点关注的研究方向。由于视差的存在，输入图像之间的对齐不像没有视差时那么简单，情况就复杂了很多，重叠区域出现重影以及拼接图像不符合人类肉眼的观感都与视差的存在有着一定的关系。本文针对图像拼接算法中面临的难题，进行了深入的研究，主要研究内容如下：
①针对传统的用于剔除误匹配点对的随机抽样一致性算法RANSAC，分析了视差存在的情况下单应性矩阵作为RANSAC筛选模型的不准确性，从而说明单应性矩阵作为筛选模型的RANSAC算法容易将正确的特征点对当做错误的特征点对删除，同时将错误的特征点对当做正确的特征点对保留下来。鉴于正确的匹配特征点对在后续图像拼接过程中起着至关重要的作用，为了避免匹配特征点对的不准确对后续图像拼接造成的不良影响，从相机成像原理出发，找到同一场景在两个不同视角下所成的两幅图像之间存在的本质联系，然后获得对应的像点间具有的准确约束关系，进而借助这种准确的关系，确定RANSAC算法的筛选模型为基础矩阵，更加精确的删除错误匹配特征点对，保留正确匹配特征点对。
②研究基于格林坐标和弹性鲁棒扭曲的图像拼接技术。针对最终拼接图像中经常存在的自然度不高的问题，利用格林坐标对输入图像进行可以保持物体基本形状的预变形，再进一步对预变形图像和参考图像进行特征点匹配，计算特征点映射后产生的投影偏差，并通过纠正投影偏差消除视差造成的影响，最后，最佳缝合线算法被用来寻找缝合线以便无缝拼接输入图像。通过与几种典型的图像拼接算法进行对比，结果表明本文算法获得的拼接图像的质量有一定的提升。
③针对传统最佳缝合线算法存在的问题，研究了基于超像素分割的改进最佳缝合线算法。因为传统缝合线的走向受到了很大的限制，所以容易造成缝合线切割显著物体的情况，针对这类问题，将超像素分割的思想运用到缝合线的找取中，对输入图像的重叠区域进行超像素分割，使所需的缝合线从这些超像素的边缘走过，将图像重叠区域能量最小路径找取问题转化为在超像素边界的0-1矩阵中找取路径的问题，超像素边界0-1矩阵中路径的搜索方式采用深度优先搜索。