图像快速配准与自动拼接技术研究

【摘要】： 对于较大的目标场景,由于摄像器材的局限性,普通的摄像机只能采集到其中的一个局部,而为了得到全景图和超宽视角的图像就用到了图像拼接技术。图像拼接技术就是将两幅或多幅相互有部分重叠的场景照片进行空间匹配对准,经重采样融合后形成一幅包含多幅图像信息的、宽视角场景的、完整的、高清晰的新图像,可以很好地解决广角镜、鱼眼镜头等全景图获取设备的不足。目前图像拼接已经成为图像处理、计算机视觉中的一个重要研究课题,在摄影测量、虚拟现实、视频压缩、视频检索、增大视野范围、提高分辨率等方面有着重要的应用。因此,本文对图像拼接的基础理论和关键技术进行了系统的研究,提高图像配准拼接算法的速度、精度和自动化程度。论文围绕图像拼接的基本流程和主要方法,完成了以下研究内容: 1.图像拼接的预处理方法 预处理操作主要是为图像配准做准备,以提高其精度和速度,包括对图像的增强、几何校正、对原始图像的粗略定位和排序等。本文对图像拼接的预处理方法进行了分析,提出了基于统计特征的图像预处理、视频图像序列子集的筛选和图像序列的自动快速排序算法。 2.基于局部灰度值编码的图像匹配 针对传统匹配算法(NCC、SSD)计算量大的问题,提出了一种改进的图像局部灰度值编码匹配方法(ILGVC)。利用图像不同空间位置灰度的分布关系进行编码匹配,使模板匹配的复杂度大大降低。实验结果表明,ILGVC算法定位准确,具有对像素灰度变化和噪声的鲁棒性,在小角度旋转情况下,匹配也具有一定的稳定性。算法的时间复杂度是Ο( M2),比传统算法快了2个数量级。ILGVC算法可以用于平移关系的图像拼接,还可以为小角度旋转关系的两幅图像估计重叠区域,在图像配准中指导特征提取和局部匹配,提高全局匹配速度。 3.基于特征点的图像拼接算法 系统地研究了基于特征角点的图像拼接算法,重点分析了Harris角点检测算子和传统匹配方法的不足,提出了一种基于Harris角点进行图像序列自动拼接融合的优化算法。优化后的算法不仅提高了拼接成功率,其单次拼接时间较现有算法也提高了40%左右,精度分析对应点匹配的平均绝对误差和均方根误差在1 pixel范围之内,配准后重叠部分的相关系数也比较高,从实验结果可以看出,拼接图像的效果良好。 4.基于Fourier-Melllin变换的图像拼接算法 本文受到人眼视觉结构的启示,利用人眼结构模型对旋转和缩放图像能够迅速适应的特点,以人眼结构模型为基础,提出了对旋转缩放图像的匹配方法Fourier-Melllin变换。对传统的Fourier-Melllin变换存在的问题进行了分析,提出了改进措施,提高了配准的可靠性和精度,并将其用于图像配准和拼接。实验结果表明,Fourier-Mellin变换方法能够很好地对满足RST变换的图像进行配准和拼接。 5.图像的拼合处理方法 对图像拼接缝隙的产生原因进行了仔细分析,提出了两点措施:基于均值和方差的亮度调整,加权平均权值函数的改进。基于均值和方差的亮度调整使拼接图像整体亮度一致;改进的加权平均权值函数,符合人眼的视觉响应特性,提高了融合图像的视觉效果。