基于特征点的图像拼接技术研究

摘要

在信息化高度发达的今天，数字图像处理技术的应用越来越广泛，已经渗透到工业、农业、医疗保健、航空航天、军事、安全保卫等各个领域。图像拼接技术作为图像处理的一个重要分支，被广泛应用于全景视频监控系统、运动目标跟踪、医学图像的分析、虚拟现实的场景构建及航空、卫星拍摄的图片拼接等多个领域。目前，图像拼接技术的研究成了图像处理领域里的热点。
　　 图像拼接是将两幅以上相互间有重叠部分的图像进行空间匹配，然后经过图像变换对准、融合重构成一幅宽场景的包含原始各图像信息的、完整的、平滑的新图像。
　　 本文在分析图像拼接领域的国内外发展现状的基础上，对图像拼接技术中的配准和融合两个核心技术进行了阐述，为后续的研究打下了理论基础。本文重点研究了基于SIFT特征点的图像拼接技术，主要完成以下几方面工作:
　　 (1)对图像拼接的基础理论知识进行了分析，包括图像拼接技术流程及图像预处理、图像几何变换、图像配准、图像融合等图像拼接的关键环节的进行了理论分析。
　　 (2)对基于特征点的图像配准技术进行了深入研究，对目前常用的几种点特征提取方法（如SUSAN角点检测、Moravec角点检测、harris角点检测及SIFT特征点检测）进行了对比分析，最后确定了本文采用的基于SIFT特征点的图像拼接策略。该算法首先采用高斯差分对图像进行边缘检测，在边缘图像上提取特征点，既减少了特征点的数量，义不丧火图像的显著信息，提高了算法效率;然后在尺度空间进行特征检测，并确定关键点的位置及其所处的尺度;最后使用关键点邻域梯度的主方向作为该点的方向特征，实现了算法对尺度和方向的无关性。
　　 (3)在特征点匹配过程中，采用改进的欧式距离作为度量函数，该方法在保持匹配速度的同时，可以减小由于特征向量模值的数量级不同而带来的匹配误差。
　　 (4)对目前常用的几种图像融合方法进行了分析研究，采用了加权融合方法进行了图像融合，并进行了实验验证。

目录

声明

摘要

1 引言

1．1 研究背景和意义

1．2 国内外发展现状

2 图像拼接技术理论基础研究

2．1 图像拼接流程

2．2 图像预处理

2．2．1 均值滤波

2．2．2 中值滤波

2．2．3 高斯滤波

2．3 图像的几何变换模型

2．3．1 刚体变换

2．3．2 仿射变换

2．3．3 投影变换

2．3．4 非线性变换

2．4 图像配准

2．4．1 图像配准技术

2．4．2 图像配准方法

2．5 图像融合

3 基于特征点的图像配准研究

3．1 角点检测算法

3．1．1 Moravec角点检测算法

3．1．2 SUSAN角点检测算法

3．1．3 Harris角点检测算法

3．2 SIFT特征点检测算法

3．2．1 高斯差分(DoG)算法

3．2．2 尺度空间极值检测

3．2．3 关键点的确定

3．2．4 关键点方向的确定

3．2．5 SIFT特征向量的生成

3．3 特征点匹配

3．3．1 特征点的匹配

3．3．2 匹配算法的改进

3．4 图像配准

3．4．1 最近邻插值法(Nearest Neighbor Interpolation)

3．4．2 双线性插值法(Bilinear Interpolation)

3．4．3 三次卷积插值法

4 图像融合技术

4．1 基于中值滤波的融合方法

4．2 加权平均融合法

4．3 基于小波变换的融合方法

4．4 本文的融合方法

5 系统设计与实现

5．1 实验环境

5．2 软件介绍

5．2．1 OpenCV简介

5．2．2 VC++6．0平台下配置OpenCV

5．3 实验结果

6 结论及展望

6．1 结论

6．2 展望

参考文献

作者简历

致谢