图像拼接算法及实现图像拼接_图像拼接算法,图像拼接算法及实现

图像配准

图像拼接

4星 · 超过85%的资源需积分: 50 120 浏览量更新于2023-07-11 评论 3 收藏 163KB DOC 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

http://www.studa.net/yingyong/090603/1636506.html

图像拼接算法及实现计算机

论文关键词：图像拼接　图像配准　图像融合　全景图

　　论文摘要：图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列

进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的

、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图

像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图

像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图

像拼接的基础。本文研究了两种图像配准算法:基于特征和基于变换域的图像配准

算法。在基于特征的配准算法的基础上,提出一种稳健的基于特征点的配准算法。

首先改进 Harris 角点检测算法,有效提高所提取特征点的速度和精度。然后利用相

似测度 NCC(normalized cross correlation——归一化互相关),通过用双向最大相

关系数匹配的方法提取出初始特征点对,用随机采样法 RANSAC(Random Sample

Consensus)剔除伪特征点对,实现特征点对的精确匹配。最后用正确的特征点匹配

对实现图像的配准。本文提出的算法适应性较强,在重复性纹理、旋转角度比较大

等较难自动匹配场合下仍可以准确实现图像配准。

　　Abstract：Image mosaic is a technology that carries on the spatial

matching to a series of image which are overlapped with each other, and

finally builds a seamless and high quality image which has high

resolution and big eyeshot. Image mosaic has widely applications in the

fields of photogrammetry, computer vision, remote sensing image

processing, medical image analysis, computer graphic and so on. 。In

general, the process of image mosaic by the image acquisition, image

registration, image synthesis of three steps, one of image registration

are the basis of the entire image mosaic. In this paper, two image

registration algorithm: Based on the characteristics and transform

domain-based image registration algorithm. In feature-based registration

algorithm based on a robust feature-based registration algorithm points.

First of all, to improve the Harris corner detection algorithm,

effectively improve the extraction of feature points of the speed and

accuracy. And the use of a similar measure of NCC (normalized cross

correlation - Normalized cross-correlation), through the largest

correlation coefficient with two-way matching to extract the feature

points out the initial right, using random sampling method RANSAC

(Random Sample Consensus) excluding pseudo-feature points right, feature

points on the implementation of the exact match. Finally with the

correct feature point matching for image registration implementation. In

this paper, the algorithm adapted, in the repetitive texture, such as

relatively large rotation more difficult to automatically match

occasions can still achieve an accurate image registration.

　　Key words: image mosaic, image registration, image fusion, panorama

　　第一章绪论

　　1.1 图像拼接技术的研究背景及研究意义

　　图像拼接(image mosaic)是一个日益流行的研究领域，他已经成为照相绘图学

、计算机视觉、图像处理和计算机图形学研究中的热点。图像拼接解决的问题一般

式，通过对齐一系列空间重叠的图像，构成一个无缝的、高清晰的图像，它具有比

单个图像更高的分辨率和更大的视野。

　　早期的图像拼接研究一直用于照相绘图学，主要是对大量航拍或卫星的图像的

整合。近年来随着图像拼接技术的研究和发展，它使基于图像的绘制（IBR）成为

结合两个互补领域——计算机视觉和计算机图形学的坚决焦点，在计算机视觉领域

中，图像拼接成为对可视化场景描述（Visual Scene Representaions）的主要研

究方法：在计算机形学中，现实世界的图像过去一直用于环境贴图，即合成静态的

背景和增加合成物体真实感的贴图，图像拼接可以使 IBR 从一系列真是图像中快速

绘制具有真实感的新视图。

　　在军事领域网的夜视成像技术中，无论夜视微光还是红外成像设备都会由于摄

像器材的限制而无法拍摄视野宽阔的图片，更不用说 360 度的环形图片了。但是在

实际应用中，很多时候需要将 360 度所拍摄的很多张图片合成一张图片，从而可以

使观察者可以观察到周围的全部情况。使用图像拼接技术，在根据拍摄设备和周围

景物的情况进行分析后，就可以将通过转动的拍摄器材拍摄的涵盖周围 360 度景物

的多幅图像进行拼接，从而实时地得到超大视角甚至是 360 度角的全景图像。这在

红外预警中起到了很大的作用。

　　微小型履带式移动机器人项目中，单目视觉不能满足机器人的视觉导航需要，

并且单目视觉机器人的视野范围明显小于双目视觉机器人的视野。利用图像拼接技

术，拼接机器人双目采集的图像，可以增大机器人的视野，给机器人的视觉导航提

供方便。在虚拟现实领域中，人们可以利用图像拼接技术来得到宽视角的图像或

360 度全景图像，用来虚拟实际场景。这种基于全景图的虚拟现实系统，通过全景

图的深度信息抽取，恢复场景的三维信息，进而建立三维模型。这个系统允许用户

在虚拟环境中的一点作水平环视以及一定范围内的俯视和仰视，同时允许在环视的

过程中动态地改变焦距。这样的全景图像相当于人站在原地环顾四周时看到的情形

。在医学图像处理方面，显微镜或超声波的视野较小，医师无法通过一幅图像进行

诊视，同时对于大目标图像的数据测量也需要把不完整的图像拼接为一个整体。所

以把相邻的各幅图像拼接起来是实现远程数据测量和远程会诊的关键环节圆。在遥

感技术领域中，利用图像拼接技术中的图像配准技术可以对来自同一区域的两幅或

多幅图像进行比较，也可以利用图像拼接技术将遥感卫星拍摄到的有失真地面图像

拼接成比较准确的完整图像，作为进一步研究的依据。

从以上方面可以看出，图像拼接技术的应用前景十分广阔，深入研究图像拼接技术

有着很重要的意义

　　1.2 图像拼接算法的分类

　　图像拼接作为这些年来图像研究方面的重点之一，国内外研究人员也提出了很

多拼接算法。图像拼接的质量，主要依赖图像的配准程度，因此图像的配准是拼接

算法的核心和关键。根据图像匹配方法的不同仁阔，一般可以将图像拼接算法分为

以下两个类型：

　　（1) 基于区域相关的拼接算法。

这是最为传统和最普遍的算法。基于区域的配准方法是从待拼接图像的灰度

值出发，对待配准图像中一块区域与参考图像中的相同尺寸的区域使用最小二乘法

或者其它数学方法计算其灰度值的差异，对此差异比较后来判断待拼接图像重叠区

域的相似程度，由此得到待拼接图像重叠区域的范围和位置，从而实现图像拼接。

也可以通过 FFT 变换将图像由时域变换到频域，然后再进行配准。对位移量比较大

的图像，可以先校正图像的旋转，然后建立两幅图像之间的映射关系。

当以两块区域像素点灰度值的差别作为判别标准时，最简单的一种方法是直接把各

点灰度的差值累计起来。这种办法效果不是很好，常常由于亮度、对比度的变化及

其它原因导致拼接失败。另一种方法是计算两块区域的对应像素点灰度值的相关系

数，相关系数越大，则两块图像的匹配程度越高。该方法的拼接效果要好一些，成

功率有所提高。

(2) 基于特征相关的拼接算法。

基于特征的配准方法不是直接利用图像的像素值，而是通过像素导出图像的

特征，然后以图像特征为标准，对图像重叠部分的对应特征区域进行搜索匹配，该

类拼接算法有比较高的健壮性和鲁棒性。

基于特征的配准方法有两个过程：特征抽取和特征配准。首先从两幅图像中提取灰

度变化明显的点、线、区域等特征形成特征集冈。然后在两幅图像对应的特征集中

利用特征匹配算法尽可能地将存在对应关系的特征对选择出来。一系列的图像分割

技术都被用到特征的抽取和边界检测上。如 canny 算子、拉普拉斯高斯算子、区域

生长。抽取出来的空间特征有闭合的边界、开边界、交叉线以及其他特征。特征匹

配的算法有：交叉相关、距离变换、动态编程、结构匹配、链码相关等算法。

　　1.3 本文的主要工作和组织结构

本文的主要工作：

(1) 总结了前人在图像拼接方面的技术发展历程和研究成果。

(2) 学习和研究了前人的图像配准算法。

(3) 学习和研究了常用的图像融合算法。

(4) 用 matlab 实现本文中的图像拼接算法

(5) 总结了图像拼接中还存在的问题，对图像拼接的发展方向和应用前景进行展望

。

　　本文的组织结构：

　　第一章主要对图像拼接技术作了整体的概述，介绍了图像拼接的研究背景和应

用前景，以及图像拼接技术的大致过程、图像拼接算法的分类和其技术难点。第二

章主要介绍讨论了图像预处理中的两个步骤，即图像的几何校正和噪声点的抑制。

第三章主要介绍讨论了图像配准的多种算法。第四章主要介绍讨论了图像融合的一

些算法。第五章主要介绍图像拼接软件实现本文的算法。第六章主要对图像拼接中

还存在的问题进行总结，以及对图像拼接的发展进行展望。

　　1.4 本章小结

　　本章主要对图像拼接技术作了整体的概述，介绍了图像拼接的研究背景和应用

前景，以图像拼接算法的分类和其技术难点，并且对全文研究内容进行了总体介绍

。

第二章ÓÓ图像拼接的基础理论及图像预处理Ó

　　2.1 图像拼接Ó

 图像拼接技术主要有三个主要步骤：图像预处理、图像配准、图像融合与边

界平滑，

图像拼接技术主要分为三个主要步骤：图像预处理、图像配准、图像融合与边

界平滑，图像预处理主要指对图像进行几何畸变校正和噪声点的抑制等，让参

考图像和待拼接图像不存在明显的几何畸变。在图像质量不理想的情况下进行

图像拼接，如果不经过图像预处理，很容易造成一些误匹配。图像预处理主要

是为下一步图像配准做准备，让图像质量能够满足图像配准的要求。图像配准

主要指对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息中寻

找最佳的匹配，完成图像间的对齐。图像拼接的成功与否主要是图像的配准。

待拼接的图像之间，可能存在平移、旋转、缩放等多种变换或者大面积的同色

区域等很难匹配的情况，一个好的图像配准算法应该能够在各种情况下准确找

到图像间的对应信息，将图像对齐。图像融合指在完成图像匹配以后，对图像

进行缝合，并对缝合的边界进行平滑处理，让缝合自然过渡。由于任何两幅相

邻图像在采集条件上都不可能做到完全相同，因此，对于一些本应该相同的图

像特性，如图像的光照特性等，在两幅图像中就不会表现的完全一样。图像拼

接缝隙就是从一幅图像的图像区域过渡到另一幅图像的图像区域时，由于图像

中的某些相关特性发生了跃变而产生的。图像融合就是为了让图像间的拼接缝

隙不明显，拼接更自然

　　2.2 图像的获取方式Ó

　　图像拼接技术原理是根据图像重叠部分将多张衔接的图像拼合成一张高分

辨率全景图Ó。这些有重叠部分的图像一般由两种方法获得Ó: 一种是固定照相机

的转轴Ó,然后绕轴旋转所拍摄的照片Ó;另一种是固定照相机的光心Ó,水平摇动镜

头所拍摄的照片。其中Ó,前者主要用于远景或遥感图像的获取Ó,后者主要用于显

微图像的获取Ó,它们共同的特点就是获得有重叠的二维图像。

　　2.3 图像的预处理Ó

　　2.3.1 图像的校正Ó

　　当照相系统的镜头或者照相装置没有正对着待拍摄的景物时候，那么拍摄

到的景物图像就会产生一定的变形。这是几何畸变最常见的情况。另外，由于

光学成像系统或扫描系统的限制而产生的枕形或桶形失真，也是几何畸变的典

型情况。几何畸变会给图像拼接造成很大的问题，原本在两幅图像中相同的物

体会因为畸变而变得不匹配，这会给图像的配准带来很大的问题。因此，解决

几何畸变的问题显得很重要。

　　图象校正的基本思路是，根据图像失真原因，建立相应的模型，从被污染

或畸变的图象信号中提取所需要的信息，沿着使图象失真的逆过程恢复图象本

来面貌。实际的复原过程是设计一个滤波器，使其能从失真图象中计算得到真

实图象的估值，使其根据预先规定的误差准则，最大程度地接近真实图象。

　　2.3.2 图像噪声的抑制Ó

　　图像噪声可以理解为妨碍人的视觉感知，或妨碍系统传感器对所接受图像

源信息进行理解或分析的各种因素，也可以理解成真实信号与理想信号之间存

在的偏差。一般来说，噪声是不可预测的随机信号，通常采用概率的方法对其

进行分析。噪声对图像处理十分重要，它影响图像处理的各个环节，特别在图

像的输入、采集中的噪声抑制是十分关键的问题。若输入伴有较大的噪声，必

然影响图像拼接的全过程及输出的结果。根据噪声的来源，大致可以分为外部

噪声和内部噪声；从统计数学的观点来定义噪声，可以分为平稳噪声和非平稳

噪声。各种类型的噪声反映在图像画面上，大致可以分为两种类型。一是噪声

的幅值基本相同，但是噪声出现的位置是随机的，一般称这类噪声为椒盐噪声。

另一种是每一点都存在噪声，但噪声的幅值是随机分布的，从噪声幅值大小的

分布统计来看，其密度函数有高斯型、瑞利型，分别成为高斯噪声和瑞利噪声，

又如频谱均匀分布的噪声称为白噪声等。

　　1.均值滤波

 所谓均值滤波实际上就是用均值替代原图像中的各个像素值。均值滤波的方

法是，对将处理的当前像素，选择一个模板，该模板为其邻近的若干像素组成，

用模板中像素的均值来替代原像素的值。如图 2.4 所示，序号为 0 是当前像素，

序号为 1 至 8 是邻近像素。求模板中所有像素的均值，再把该均值赋予当前像

素点((x, y)，作为处理后图像在该点上的灰度 g(x,y)，即

g(x,y)=  (2-2-2-1)

其中，s 为模板，M 为该模板中包含像素的总个数。

图 2.2.2.1 模板示意图

　　2.中值滤波

剩余32页未读，继续阅读

zdzapple

2012-02-24

是一篇论文介绍比较详细还不错

slink

粉丝: 0
资源: 2

会员权益专享

图像拼接算法及实现图像拼接

评论30

会员权益专享

最新资源

图像拼接算法及实现 图像拼接

评论30

图像拼接算法的研究

基于结构信息的图像拼接算法

图像最佳缝合线拼接算法 Matlab源代码

多注册提高图像拼接效果

基于变形残差的大视差图像拼接方法

基于移动O加载的图像拼接性能和能源效率研究

以目标为中心的图像拼接方法

自然图像拼接中的几何结构保持翘曲

图像拼接算法及实现sift算法

python 图像拼接算法及实现

帮我写一个图像拼接算法的详细分类

图像拼接算法质量评价指标

全景图像拼接算法源码github

请推荐其他图像拼接算法或工具

基于频域的图像拼接算法

基于灰度的图像拼接算法

图像拼接算法用到的图像处理基础知识

基于sift的图像拼接算法及其fpga实现工程代码

matlab图像拼接算法代码

opencv 图像拼接算法

会员权益专享

最新资源

图像拼接算法及实现图像拼接