面向全景拼接的圖像配準技術(shù)研究及應(yīng)用.pdf

1、在很多場景中，圖像往往比文字承載著更多蘊意，對同一事物所進行的描述中，圖像更形象生動，能給人留下深刻印象，所以越來越多的人傾向于用圖像來表達，高質(zhì)量的圖像攜帶的信息數(shù)量大，因此人們對圖像質(zhì)量的要求也就日益提高。在全景拼接、機器人導(dǎo)航、遙感攝影等領(lǐng)域中，寬視場且清晰的全景圖像成為研究和應(yīng)用的需求。
　　圖像配準是全景拼接過程中的關(guān)鍵技術(shù)，全景拼接的效率和精度會直接受到該技術(shù)的影響?；谔卣鞯呐錅史椒☉?yīng)用最廣泛，當中的經(jīng)典算法即為尺度

2、不變特征轉(zhuǎn)換算法(SIFT)。SIFT算法不容易受到光照干擾，也不會因圖像存在旋轉(zhuǎn)等情形而影響最后結(jié)果，得到的配準圖像結(jié)果較為準確，所以深入探討和改進SIFT算法具有很重要的意義。本文對SIFT算法進行深入分析，發(fā)現(xiàn)了幾點待改進之處，并提出相應(yīng)的解決策略，論文主要工作如下：
　　(1)圖像邊緣特征點提取。圖像邊緣承載了許多關(guān)鍵特征點，然而SIFT算法在提取特征點過程中要采用高斯平滑操作，使得邊緣點變得很平滑，不利于提取，將會降低匹

3、配精度，因此引入拉普拉斯算法對兩幅待拼接圖像進行預(yù)處理，以突出其邊緣，幫助提取更多的邊緣特征點。
　　(2) SIFT特征向量降維提取。SIFT算法產(chǎn)生的特征向量維數(shù)高，耗時大。為提高效率，所以結(jié)合單元信息投影熵進行優(yōu)化，對分塊圖像求解投影熵行、列矢量，將待拼接圖像間存在的差異通過投影熵行、列矢量的最小距離來進行描述。
　　(3)匹配點對優(yōu)化。在匹配階段，由于圖像尺寸、光照以及噪聲等其他影響，會存在部分錯誤匹配點對，算法在隨