图像拼接算法及实现（一）.doc

地方自治制度的实践与背离 「摘 要」本文首先从实证与比较法的合全景图 论文摘要：图像拼接(image  mosaic)技术是将一组相互间重叠 囱 部分的图像序列进行空间匹配对准,经重 斓 采样合成后形成一幅包含各图像序列信息 拢 的宽视角场景的、完整的、高清晰的新图 蛳 像的技术。图像拼接在摄影测量学、计算 洙 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 幞 。一般来说,图像拼接的过程由图像获取 鸶 ,图像配准,图像合成三步骤组成,其中 顼 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 缴 准算法的基础上,提出一种稳健的基于特 秭 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 锄 速度和精度。然后利用相似测度 NCC(  normalizedcrosscor  relation——归一化互相关), 松 通过用双向最大相关系数匹配的方法提取 藜 出初始特征点对,用随机采样法 RANS 雁 AC(RandomSampleCon 陆 sensus)剔除伪特征点对,实现特 潼 征点对的精确匹配。

最后用正确的特征点 凌 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 牡 较大等较难自动匹配场合下仍可以准确实 专 现图像配准。 Abstract：Im 氆 agemosaicisatechno 棺 logythatcarriesont hespatialmatchingt 醉 oaseriesofimagewhi 〗 chareoverlappedwit 漠 heachother,andfina 尴llybuildsaseamless 跹 andhighqualityimag 栀ewhichhashighresol 梭utionandbigeyeshot 苫 .Imagemosaichaswid ㈡elyapplicationsint 萦 hefieldsofphotogra mmetry,computervis 沈 ion,remotesensingi mageprocessing,med  icalimageanalysis, 岑computergraphicand 脯 soon. 。 Ingeneral,th eprocessofimagemos 垡 aicbytheimageacqui sition,imageregist 蔟 ration,imagesynthe 汕sisofthreesteps,on  eofimageregistrati 乇onarethebasisofthe ⑿ entireimagemosaic. 鲤Inthispaper,twoima 磷 geregistrationalgo 嗡rithm:Basedonthech 犒 aracteristicsandtr ыansformdomain-base 综 dimageregistration 僚algorithm.Infeatur 杓 e-basedregistratio nalgorithmbasedona 多 robustfeature-base 硬dregistrationalgor 梵 ithmpoints.Firstof all,toimprovetheHa 拂 rriscornerdetectio 位nalgorithm,effecti 旎 velyimprovetheextr ńactionoffeaturepoi 悛 ntsofthespeedandac 新curacy.Andtheuseof 谇 asimilarmeasureofN 撼 CC(normalizedcross  correlation-Normal 闱izedcross-correlat 伪 ion),throughthelar gestcorrelationcoe 院 fficientwithtwo-wa 陕ymatchingtoextract 恚 thefeaturepointsou ttheinitialright,u Ш singrandomsampling 麾methodRANSAC(Rando 纡 mSampleConsensus)e 硅xcludingpseudo-fea 猢 turepointsright,fe ┤aturepointsontheim 钜 plementationofthee ㄤxactmatch.Finallyw 憷 iththecorrectfeatu 蒎repointmatchingfor 侦 imageregistrationi 栊mplementation.Inth 议 ispaper,thealgorit 磁hmadapted,intherep  etitivetexture,suc 浸hasrelativelylarge 鏊 rotationmorediffic ダulttoautomatically 玳 matchoccasionscans 预tillachieveanaccur 辚 ateimageregistrati 嗉 on. Keywords:image … mosaic,imageregist 翡ration,imagefusion 佝 ,panorama 第一章 绪论 图 又 像拼接技术的研究背景及研究意义 图像 俺 拼接(imagemosaic)是一个 谜 日益流行的研究领域，他已经成为照相绘 觯 图学、计算机视觉、图像处理和计算机图 汶形学研究中的热点。

图像拼接解决的问题 构 一般式，通过对齐 一系列空间重叠的图像 峦 ，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 咣 。 早期的图像拼接研究一直用于照相绘 辟 图学，主要是对大量航拍或卫星的图像的 颅 整合。近年来随着图像拼接技术的研究和 伪 发展，它使基于图像的绘制成为结合两个 介 互补领域——计算机视觉和计算机图形学 掏 的坚决焦点，在计算机视觉领域中，图像 妣 拼接成为对可视化场景描述的主要研究方 蜜 法：在计算机形学中，现实世界的图像过 ě 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 ⒚ 可以使 IBR 从一系列真是图像中快速绘 踬 制具有真实感的新视图。 在军事领域网 唐 的夜视成像技术中，无论夜视微光还是红 的全部情况。使用图像拼接技 琨 术，在根据拍摄设备和周围景物的情况进 佤 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 俭 进行拼接，从而实时地得到超大视角甚至 公 是 360 度角的全景图像。

这在红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 喵 采集的图像，可以增大机器人的视野，给 坑 机器人的视觉导航提供方便。在虚拟现实 假 领域中，人们可以利用图像拼接技术来得 氅 到宽视角的图像或 360 度全景图像，用 蚀 来虚拟实际场景。这种基于全景图的虚拟 期 现实系统，通过全景图的深度信息抽取， 啦 恢复场景的三维信息，进而建立三维模型 萼 。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 ル 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 掠 面，显微镜或超声波的视野较小，医师无 癫 法通过一幅图像进行诊视，同时对于大目 泫 标图像的数据测量也需要把不完整的图像 荐 拼接为一个整体。所以把相邻的各幅图像 诗 拼接起来是实现远程数据测量和远程会诊 蛤 的关键环节圆。在遥感技术领域中，利用 苡 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， 糜也可以利用图像拼接技术将遥感卫星拍摄 价 到的有失真地面图像拼接成比较准确的完 昀 整图像，作为进一步研究的依据。

从以 ヒ 上方面可以看出，图像拼接技术的应用前 ｈ 景十分广阔，深入研究图像拼接技术有着  很重要的意义 图像拼接算法的分类 图 谯 像拼接作为这些年来图像研究方面的重点  之一，研究人员也提出了很多拼接 声 算法。图像拼接的质量，主要依赖图像的 哕 配准程度，因此图像的配准是拼接算法的 泅 核心和 关键。根据图像匹配方法的不同仁 钇 阔，一般可以将图像拼接算法分为以下两 龠 个类型： 的噪声，就会在排序过程中被  排在数据序列的最右侧或者最左侧，因此 旆 ，最终选择的数据序列中见位置上的值一 巯 般不是噪声点值，由此便可以达到抑制噪 愕 声的目的。 取某种结构的二维滑动模板 狷 ，将模板内像素按照像素值的大小进行排 豆 序，生成单调上升的二维数据序列。二维 黧 德中值滤波输出为 (2-2-2-2) 其中，f(x,y)，g(x,y)分别 帱 为原图像和处理后的图像，w 二维模板, 邂 k,l 为模板的长宽，Med 为取中间值 姿 操作，模板通常为 3 3、55 区域，也 栉 可以有不同形状，如线状、圆形、十字形  、圆环形。 本章小结 本章主要介绍了 槐 图像几何畸变校正和图像噪声抑制两种图 赡 像预处理. 第三章 图像配准算法 图 嗥 像配准的概念 图像配准简而言之就是图 伞 像之间的对齐。

块匹配法则是以一幅图像重叠区域中的一块作为模板，在另一幅图像中搜索与此模板最相似的匹配块，这种算法精度较高，但计算量过大。基于区域的方法是以一幅图像重叠区域中的一块作为模板，在另一幅图像中搜索与此模板最相似的匹配块，这种算法精度较高，但计算量过大。第1层：第1层是特征层，它是由6个卷积模板与第一层的图像做卷积形成的6幅13*13的图像。

基于区域的配准 逐一比较法 设搜 儇 索图为 s 待配准模板为 T，如图所示，S  大小为 MN，T 大小为 UV,如图所示。 肘图搜索图 S 与模板 T 逐一比较 瞀 法的配准思想是: 在搜索图 S 中以某点 邺 为基点(i,j)，截取一个与模板 T大  小一样的分块图像，这样的基点有(M- 锓 U+1)(N-V+1)个，配准的目标 堂 就是在(M-U+1)(N-V+1)个  分块图像中找一个与待配准图像最相似的  图像，这样得到的基准点就是最佳配准点 漶 。 设模板 T 在搜索图 s 上移动，模板覆 樽 盖下的那块搜索图叫子图 S,(i,j)  为这块子图的左上角点在 S 图中的坐标， 畴 叫做参考点。然后比较 T 和 S 的内容。若 荧 两者一致，则 T 和 S之差为零。在现实图 鳅 像中，两幅图像完全一致是很少见的，一  般的判断是在满足一定条件下，T 和 S 之 ε 差最小。 根据以上原理，可采用下列两 姬 种测度之一来衡量 T 和 S的相似程度。D 癀 (i,j)的值越小，则该窗口越匹配。 D(i,j)= [S(m,n)-T( 剑 m,n)] (3-1) 或 D(i,  j)=[S(m,n)-T(m,n)  (3-2) 或者利用归一化相关函数。

巛 将式(3-1)展开可得: D(i,j  )= [S(m,n)]-2 S(m, 姗n)*T(m,n)+ [T(m,n)  ] (3-3) 式中等号右边第三项表 包 示模板总能量，是一常数，与(i,j)  无关;第一项是与模板匹配区域的能量， 敦 它随((i,j)的改变而改变，当 T 和 哏 S 匹配时的取最大值。因此相关函数为 诳 : R(i,j)=(3-4) 当 R( 悔 i,j)越大时，D(i,j)越小，归 悫 一化后为: R(i,j)= (3-5 藉 ) 根据 Cauchy-Schwarz  不等式可知式(3-5)中 0R(i,j 凿 )1，并且仅当值 S(m,n)/T(m 多 ,n)=常数时，R(i,j)取极大值 缥 。 该算法的优点: (1)算法思路比 蛞 较简单，容易理解，易于编程实现。 ( 糕 2)选用的模板越大，包含的信息就越多 惰 ，匹配结果的可信度也会提高，同时能够 崛 对参考图像进行全面的扫描。 该算法的 蕻 缺点: (1)很难选择待配准图像分块 ⒕ 。因为一个如果分块选择的不正确，缺少 赛 信息量，则不容易正确的匹配，即发生伪 丌 匹配。同时，如果分块过大则降低匹配速 教 度，如果分块过小则容易降低匹配精度。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/ruanjian/article-101593-1.html