基于SURF的圖像拼接及柱面全景圖優(yōu)化.pdf

1、視覺是人類獲取世界信息的重要方式，而圖像則是視覺信息的一個主要呈現(xiàn)渠道。隨著信息化時代的到來，人們對圖像獲取信息的需求也越來越高。然而目前單一硬件設(shè)備采集圖像的能力是有限的，如何通過數(shù)字圖像處理等技術(shù)手段用最低成本獲得最高質(zhì)量的圖像成為研究的一個熱點方向。圖像拼接技術(shù)就是在這樣一個背景下發(fā)展起來。通過合理拼接的方式，人們可以獲得比廣角鏡頭更高分辨率的圖像且成本更低。圖像拼接技術(shù)主要可以分成三個部分：圖像預(yù)處理、圖像匹配和圖像融合。本文介

2、紹了圖像拼接的相關(guān)理論與核心算法，對圖像拼接的三個組成部分進行了研究，并以SURF(Speeded Up Robust Feature快速魯棒特征)為特征點提取核心算法，根據(jù)原有算法的一些不足提出了改進方案，所做的主要工作如下：
　　1.在圖像拼接中，對于存在對比度差異較大的待拼接圖像采用SURF算法，往往無法得到令人滿意的拼接效果。針對圖像預(yù)處理，通過增強待拼接圖像，本文提出一種基于直方圖均衡化的圖像拼接新方法。該方法在圖像增強

3、的基礎(chǔ)上采用SURF算法得到特征點,并用KNN(K Nearest Neighbors K近鄰)算法和雙向匹配法進行匹配。并進一步用RANSAC(Random Sample Consensus隨機抽樣一致性)算法剔除誤配點，用LM(Levenberg–Marquardt)算法生成圖像的變換模型。實驗結(jié)果表明，本文方法能夠?qū)崿F(xiàn)對比度差異大的圖像的拼接，克服了現(xiàn)有方法無法拼接對比度差異大的圖像的缺點。
　　2.從匹配精度來說特征提取算

4、法SURF已經(jīng)達到了亞像素的級別，從匹配時間上來說SURF算法較之SIFT(Scale-invariant Feature Transform尺度不變特征變換)算法已經(jīng)縮短，但在整個圖像拼接過程中，特征點提取這一部分仍然是最消耗時間的。據(jù)此，針對匹配算法，本文提出一種基于重疊區(qū)域的 SURF特征檢測算法，考慮圖像拼接的特殊性，忽略圖像的旋轉(zhuǎn)，通過確定相鄰拼接圖像之間的重疊區(qū)域，只提取重疊區(qū)域的圖像的特征點，并用這些特征點進行匹配與生成圖

5、像變換模型。實驗結(jié)果表明，本文方法在保持原算法魯棒性的同時大大縮短了提取特征點與變化模型生成的時間。
　　3.圖像融合的目的是能讓離散的圖像拼合后在視覺上仍然是一幅完整的圖像，并且讓我們看不出有拼接的痕跡。對于存在運動目標的待拼接圖像，利用線性加權(quán)進行融合，往往會在得到的融合圖上出現(xiàn)鬼影現(xiàn)象。針對圖像融合，本文在線性加權(quán)法的缺點上提出一種四段線性融合法，對于存在運動目標的待拼接圖像，能在一定程度上消除最終融合圖上的鬼影。