基于特征點(diǎn)的圖像配準(zhǔn)與拼接技術(shù)研究.pdf

1、圖像拼接技術(shù)是計(jì)算機(jī)視覺(jué)、圖像處理和計(jì)算機(jī)圖形學(xué)的研究熱點(diǎn)，它可以用來(lái)建立大視角的高分辨率圖像，在虛擬現(xiàn)實(shí)領(lǐng)域、醫(yī)學(xué)圖像處理領(lǐng)域、遙感技術(shù)領(lǐng)域和軍事領(lǐng)域中均有廣泛的應(yīng)用。圖像拼接就是將同一場(chǎng)景的相互有部分重疊的一系列圖片拼接成大幅的、寬視角的、與原始圖像接近且失真小、沒(méi)有明顯縫合線的高分辨率圖像。圖像拼接的質(zhì)量主要依賴(lài)于圖像的配準(zhǔn)精度。目前，基于特征點(diǎn)匹配的圖像配準(zhǔn)是一種主要針對(duì)仿射變換模型和透視變換模型的圖像配準(zhǔn)技術(shù)，它不僅能夠適用于

2、重合度較低的圖像之間的配準(zhǔn)，而且還能夠應(yīng)用于運(yùn)動(dòng)場(chǎng)景圖像以及含有遮蓋物體圖像之間的配準(zhǔn)，在實(shí)際應(yīng)用中得到了廣泛的使用。因此，研究基于特征點(diǎn)的圖像配準(zhǔn)和拼接技術(shù)具有重要的理論意義和實(shí)用價(jià)值。本文主要以特征點(diǎn)匹配為主線，針對(duì)目前流行的lards特征點(diǎn)和SIFT(ScaleInvariantFeatureTransform)特征點(diǎn)匹配技術(shù)進(jìn)行了深入系統(tǒng)地研究。主要研究工作及貢獻(xiàn)如下： 1.研究并分析了攝像機(jī)成像幾何的基本原理，重點(diǎn)對(duì)8

3、參數(shù)透視變換矩陣的存在條件以及8參數(shù)透視矩陣退化為6參數(shù)仿射矩陣的條件進(jìn)行了論證，由此引出了圖像拼接中幾種常用的變換模型-相似變換、仿射變換以及透視變換，給出了每種模型的實(shí)際應(yīng)用場(chǎng)合。 2.針對(duì)傳統(tǒng)的特征點(diǎn)匹配算法對(duì)于圖像旋轉(zhuǎn)變化敏感的問(wèn)題，提出了一種基于特征點(diǎn)旋轉(zhuǎn)歸一化的圖像配準(zhǔn)算法(IPNR)。系統(tǒng)研究了Harris特征點(diǎn)的基本原理以及幾種傳統(tǒng)的匹配方法，包括像素差的平方和(SSD)、像素的互相關(guān)信息(CC)、歸一化互相關(guān)信

4、息(NCC)。分析比較了各種匹配方法的性能以及存在的不足之處。提出了在特征點(diǎn)匹配過(guò)程中將鄰域窗口進(jìn)行旋轉(zhuǎn)歸一化，有效解決了特征點(diǎn)匹配對(duì)于圖像旋轉(zhuǎn)變化敏感的問(wèn)題。仿真結(jié)果表明，該算法能有效地克服傳統(tǒng)特征點(diǎn)匹配算法對(duì)圖像旋轉(zhuǎn)變化敏感的問(wèn)題，將正確匹配的概率提高30％以上，效果明顯優(yōu)于傳統(tǒng)的特征點(diǎn)匹配算法。 3.針對(duì)傳統(tǒng)的特征點(diǎn)匹配方法對(duì)噪聲敏感的問(wèn)題，提出了一種基于特征點(diǎn)不變矩的圖像配準(zhǔn)算法(IPIM)。圖像的矩特征是一種以圖像分布

5、的各階矩來(lái)描述灰度的統(tǒng)計(jì)特性的方法，它對(duì)噪聲和光照的變化不太敏感，并具有旋轉(zhuǎn)和尺度不變性。對(duì)圖像的矩特征研究發(fā)現(xiàn)，傳統(tǒng)的Hu氏矩中ψ3，ψ5兩個(gè)矩對(duì)于圖像的旋轉(zhuǎn)變化是不穩(wěn)定的，因此對(duì)Hu氏矩進(jìn)行了改進(jìn)，并在此基礎(chǔ)上，利用改進(jìn)后的Hu氏矩作為特征點(diǎn)的描述符進(jìn)行匹配，解決了傳統(tǒng)特征點(diǎn)匹配方法對(duì)于旋轉(zhuǎn)和噪聲敏感的問(wèn)題。仿真結(jié)果表明該算法具有較好的旋轉(zhuǎn)不變性和抗噪聲性能，匹配效果優(yōu)于傳統(tǒng)的算法。 4.針對(duì)IPIM方法對(duì)圖像亮度變化敏感的

6、問(wèn)題，提出了一種基于特征點(diǎn)偽Zernike矩的圖像配準(zhǔn)算法(IPPZM)。由于偽Zemike矩比Hu矩具有更多的矩?cái)?shù)量以及更好的抗噪聲性能，本算法選用特征點(diǎn)鄰域窗口的偽Zernike矩作為特征點(diǎn)描述符。數(shù)字圖像的像素離散性質(zhì)使得偽Zernike矩的計(jì)算產(chǎn)生誤差，不同階矩的計(jì)算精確度不同。因此，為保證描述符的準(zhǔn)確性與較低的計(jì)算復(fù)雜度，需要對(duì)偽Zernike矩進(jìn)行優(yōu)化選擇，并對(duì)矩的選取數(shù)量加以限制。仿真結(jié)果表明該算法不僅有效解決了IPIM算

7、法對(duì)亮度變化敏感的問(wèn)題，而且在旋轉(zhuǎn)不變性和抗噪聲性能上比IPIM算法有了進(jìn)一步的提高。 5.針對(duì)Harris特征點(diǎn)對(duì)于尺度變化敏感的問(wèn)題，提出了一種改進(jìn)的基于SIFT特征的圖像配準(zhǔn)算法。該算法借助于SIFT特征對(duì)于旋轉(zhuǎn)和尺度的不變性以及對(duì)于噪聲、視角變化和光照變化等良好的魯棒性，解決了Harris特征檢測(cè)對(duì)于尺度變化敏感的問(wèn)題，使得較大尺度變化下的圖像配準(zhǔn)成為可能。同時(shí)，對(duì)SIFT特征點(diǎn)的提取方法進(jìn)行了改進(jìn)，預(yù)先去除了部分較不穩(wěn)

8、定的特征點(diǎn)，提高了匹配的速度和正確匹配的概率。實(shí)驗(yàn)結(jié)果證明該算法對(duì)于旋轉(zhuǎn)、尺度變化均具有不變性、對(duì)于噪聲以及圖像亮度變化具有較好的魯棒性，且匹配速度比改進(jìn)前提高了近1倍。 6.針對(duì)圖像拼接中累計(jì)誤差對(duì)合成圖像質(zhì)量影響嚴(yán)重的問(wèn)題，提出了一種基于特征點(diǎn)的整體優(yōu)化調(diào)整方法。如果僅利用圖像局部配準(zhǔn)的結(jié)果對(duì)圖像序列進(jìn)行拼接，則會(huì)因?yàn)檎`差的累計(jì)而造成合成圖像中出現(xiàn)重影或者圖像變得模糊。該方法利用基于特征點(diǎn)的圖像配準(zhǔn)算法中得到的正確匹配點(diǎn)，對(duì)