河北工业大学硕士学位论文
摘 要
图像拼接技术发展迅速且应用广泛，是虚拟现实、计算机视觉、计算机图形学和图像处理等领域的技术基础和重要研究课题。在图像拼接的过程中，图像的配准是这项技术的重点与核心。
目前图像配准的方法中，SIFT特征点匹配算法是目前图像特征匹配研究领域的一个热点问题。其匹配能力较强，可以处理图像间发生平移、旋转、放射变换的匹配，对任意角度拍摄的图像也具备较稳定的特征匹配能力并且极少数的特征点有偏差。因此对SIFT算法的原理进行了研究以及改进。选取MATLAB6.x/7.0作为实验的开发平台。
论文首先在实现了SIFT算法的基础上，选取三组图片对尺度空间参数S进行了调整并对时间和匹配情况做出对比，表明调整后的时间效率明显高于原文献和研究中一直使用的值且在复杂图像中提高更多。在去除边缘点时，采用边缘检测算子SUSAN算法来替代对海森矩阵的计算和处理的方法并将结果进行比对，由于灰度值比较的方法比计算矩阵的轨迹和行列式所需要的计算时间更少，表明对于低对比度的图像该方法可行并更有效。
关键词：图像拼接 SIFT算法特征向量匹配 SUSAN算子
i
基于改进特征点提取的全景图拼接技术
ii RESEARCH OF FEATURE POINTS MATCHING IN IMAGE
MASAICING
ABSTACT
Image mosaicing is developing rapidly and has been applied in comprehensive domains. It
is the technical basic and main research subject in the fields of virtual reality, computer vision, computer graphics and image processing. And in the mosaicing, the hard-core is image registration.
Among recent methods of image registration, SIFT features matching algorithm is a hot issue in the field. It has a strong ability to match that it can be dealt with the match when the images are in translation, rotation, radiation transform, for any angle shot images it still has a stable feature matchi
ng capacity and it can seldom mismatch. Therefore the principle of SIFT algorithms has been studied and improved. MATLAB6.x/7.0 is used as the development platform.
First, in the paper, the scale space parameter ‘s’ is altered and the contrast data(time and efficiency) are presented by three pairs of chosen experimental images. It indicates that the result with the altered value is obviously better than which is widely used in the literatures before, especially in complex images. During the edge points’ discarding, the algorithm of SUSAN is experimented instead of the computing of Hessian matrix. The contrast data are also presented. As the comparing in the arithmetic operator of SUSAN requires less computing quantity than the trail and determinant of the Hessian matrix, the method is feasible especially in low-contrasted images.
KEY WORDS:image mosaicing, SIFT, feature extraction, SUSAN
知识水坝为您整理
原创性声明
本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文不包含任何他人或集体已经发表的作品内容，也不包含本人为获得其
扫频信号源他学位而使用过的材料。对本论文所涉及的研究工作做出贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。
学位论文作者签名：日期：
关于学位论文版权使用授权的说明
本人完全了解河北工业大学关于收集、保存、使用学位论文的以下规定：学校有权采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供本学位论文全文或者部分内容的阅览服务；学校有权将学位论文的全部或部分内容编入有关数据库进行检索、交流；学校有权向国家有关部门或者机构送交论文的复印件和电子版。太阳能光伏控制器
（保密的学位论文在解密后适用本授权说明）
学位论文作者签名：日期：
导师签名：日期：
知识水坝为您整理
河北工业大学硕士学位论文
第一章 绪论
§1-1 引言
图像拼接技术的起源是来自摄影技术，开始是为了解决镜头拍摄角度的局限性。后来，随着数字图像技术的发展，图像拼接技术又广泛的应用于卫星遥感图片拼接、医学图像融合、机器人遥感操作和虚拟现实等领域。它已成为基于图像绘制（IBR）[1,2]方法中的一项重要技术，也是虚拟现实、计算机视觉、计算机图形学和图像处理等领域的重要研究课题。
全景图在现实生活中有着广泛的应用。对于全景图的获取，已经有很多专门的硬件设备可以直接进行拍摄，鱼眼镜头相机就是其中的一种，但这样的设备一般比较昂贵。利用广角镜头虽然也可得到宽视角的图像，但得到360°全景图[3,4]往往比较困难，而且，广角镜头的边缘也会产生难以避免的扭曲、变形。随着数码相机等廉价的手持成像设备的普及，用拼接照片的方法代替专用摄像设备，同样可获得宽视角、高分辨率的照片。改锥头
随着计算机和图像处理技术的发展，图像拼接技术为得到全景图提供了很好的解决方案。所以，以得到全景图为目的的图像拼接技术，就是利用摄像机平移或旋转得到的部分重叠的图像样本生成一个较大的甚至左右对接的全方位图像绘制技术。全景图的获得还可以通过其他专门硬件设备拍摄照片来以拼接直接生成一系列反映环境场景的图像，或者将普通数码相机拍摄环境场景的序列图像，用软件拼接方法代替专用合成设备来得到宽视角、高分辨率的照片。
§1-2基于特征点的图像拼接技术
其中，图像匹配是全景图拼接技术的核心。全景图拼接技术这一方面，由于其应用越来越广泛而受到有关研究与应用部门的关注，并开展了一些尝试性的研究，也取得了一定的成果。目前市场上, 方法主要基于现有的合成软件，例如Autostitch，PhotoSEAM和HyperSnap-DX等主要应用在实时处理系统[5]，动态处理二维或者三维间歇性视频[6]，以及180°和360°景观合成[7,8]的领域。在学术领域，学者们进行着孜孜不倦的研究工作和不间断的创新。
2003年，舒丽霞等研究人员提出了以下的算法：从两幅待配准的图像中分别抽取特征点，然后选用Hausdorff[9]距离对两幅图片的特征点集进行匹配，得到点集间的仿射变换，从而实现图像的自动配准。此算法以特征点而不是物体边缘计算仿射变换，大大降低了计算Hausdorff距离的运算量；同时，基于Hausdorff距离的图像匹配只需要点集之间的对应，而无须点与点的对应，因而可以使用于存在较大物体形变的情况。该方法使用了一种基于Hausdorff距离的物体定位算法，它可以有效实现具有较大形变的两幅图像之间的配准。但是由于它需要对抽取的所有物体边缘点逐一地计算Hausdorff距离，因此当图像尺寸较大时其计算量是非常巨大的。为了解决这一问题，提出采用特征点而非物体边缘点来计算Hausdorff 距离，并给出了基于特征点集间Hausdorff距离的自动图像配准算法，从而大大减少了配准过程的运算量。具体计算时选用一种基于Gabor小波的特征点提取算法，然后计算Hausdorff 距离最终以匹配两幅图像。
同年，孟祥旭，杨承磊提出了一种基于未校准照片构造全景图的新方法[10]。在该方法中，图像的采集是利用手持相机拍照图片，进行全景图拼接的方法是一种基于特征的图像配准方法，实际应用时所使用的照片可采用普通三脚架或数码相机在固定地点拍摄。该方法允许所拍照片有一定的摇晃和倾斜，克服了采用普通三角架通过旋转角度拍摄的照片的轴心一致性问题，照片之间允许有一定差。其大体步骤如下。第一步，图像预拼接，目的是确定两幅相邻图像的大概位置。具体运算时，首选将彩图转为灰度图，然后计算直方图，采用自适应阈值分割的方法进行二值化处理，接着是通过统计二值化图的
1
基于改进特征点提取的全景图拼接技术
婴儿电动摇篮床差异来确定相邻两幅图像的较精确的大概匹配位置。下一步是特征匹配。这里计算两幅图像重叠区域的两个像素块的相似度[10]。该方法没有提取特征，也没有专门的特征筛选，而是利用特征块的像素相近程度进行匹配，对于像素块的选择要求是在角点、弯曲轮廓线上。由此可见该方法不具备鲁棒性，而且可能在匹配过程中需要人的干预。第三步，图像拼接时，通过将待配准图像进行平移、缩放来与参考图像进行配准、拼接。可见这是最简单的一种情况。从上面只采用了两组特征点就可以看出该方法只能适用于较为简单的拼接任务。最后进行亮度校正，并恢复成彩全景图像。
磁卡门禁机
程兵，郑南宁提出了一种对环境光照鲁棒[10]的全景图拼接。该方法首先将待拼接图像的重叠部分分解成水平集表示（通过对图像灰度的阈值分解可将图像表示成水平集，水平集可以完整的重构原图像，并且没有冗余），并且定义一个形态学距离用于测量水平集之间的相似度，然后根据这个形态学距离，对其中一幅图像的每一个水平集都在另一幅图像的水平集中到对应，从而得到一个单调转换函数，用于表示两幅待拼接图像水平集之间的映射，用这个转换函数调整其中一幅图像的对比度与另一幅图像相对应；最后，用基于灰度匹配的方法将两幅图像拼接。该文章将水平集分解和Hausdorff距离结合使用，以提出可以适应光照变化的图像配准方法。该方法克服了在光照条件变化或照相机曝光参数变化时两幅图像出现的差异。
在一种基于相似曲线的全景图自动拼接算法中[11]，作者封靖波等人针对柱面全景图的拼接提出了一种基于最大梯度的匹配方法。通过寻按列梯度最大点，建立了两条曲线，然后确定这两条曲线最相似的部分，从而到两幅图像的匹配位置。这样可以简化匹配策略并减小计算量。首先，一旦将两副图像投影到统一的柱面上之后，全景图的拼接问题就转化为在柱面上图像间的平移问题，即确定一幅图像相对于上一幅图像的水平和垂直偏移量。然后，确定每列梯度最大点（后面的曲线相似匹配会用到）。至此可得到反映两幅图像按列最大梯度特征点分布的两条曲线。两幅图像具有重叠的公共部分，意味着这两条曲线中的某一段具有很好的相似性。所以，确定图像的匹配位置就是在两条曲线中各寻一段等长的曲线，使它们的相似程度在所有其它可能的组合中是最好的。取得最佳匹配横坐标
之后，可以通过某种关系得到纵坐标。在实际处理过程中，作者还使用了中值滤波等技术以加强拼接算法的鲁棒性。但是该文章提出的这种拼接算法要求相机严格绕着一个竖直轴水平转动（即柱面模型），这是该算法的局限性。
2004年，曹闻提出了一种基于小波变换的图像配准方法[12]。该方法首先用小波变换提取边缘特征点，同时构成小波金字塔影像。在最高层利用角度相关系数确定基准图像和配准图像之间的旋转角度，经多分辨分级搜索匹配得到最终匹配特征点对，利用这些特征点对待配准图像进行配准纠正。
压缩木耳2007年，舒硕果、李虎保、谈国军提出了一种基于特征点匹配的自动拼接算法[13]。针对图像的无缝拼接问题，该文章提出了一种基于特征点的自动拼接算法。通过对其原理和流程的分析，对智能拼接的核心过程—图像特征点的自动匹配和图像的融合进行了详细的阐述，重点分析了原始图像和目标图像特征点的自动提取并用实验表明，基于特征点匹配的拼接算法对提高航空像片质量和拼接精确度具有比较好的效果。
§1-3 图像拼接技术的前景
在图像配准的技术中，尚无一种较为完善的算法能将不同类型内容的图像精确、迅速的进行拼接，在精准性和实时性方面都不能达到实际要求。对于目前常见的图像拼接的应用软件，都需要较大的人为干涉，一种高效的自动图像拼接技术仍是数字图像领域研究的重点。
如果只是将两幅图像简单地叠加起来，会发现拼接而成的图像中含有清晰的边界，图像拼接的痕迹非常明显。出现这种现象，一方面是因为相邻图像间存在着亮度的差异；另一方面则因为采集到的图像容易出现边缘失真现象，而图像拼接恰恰要用到图像的边缘部分；还有则是因为相邻图像间不可能是完全精确的平移关系，旋转、仿射的影响虽然很小但仍然存在。为消除这些现象，实现图像的无缝拼接，必须运用一系列的办法对图像的重叠部分进行融合处理，以提高拼接后图像在重叠区域的质量。我国有很多知名的专家、学者也在致力于图像的无缝拼接处理技术的理论和实验研究阶段，但是真正意义上实现图像的无缝自动拼接的技术尚未成功，国内至今也尚无较为完善的图像无缝拼接处理系统。因此，在图像无缝拼接技术上的研究仍需要大量的工作。
2
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议