图像拼接报告

图像拼接报告

ID:28033580

大小:206.35 KB

页数:9页

时间:2018-12-07

图像拼接报告_第1页
图像拼接报告_第2页
图像拼接报告_第3页
图像拼接报告_第4页
图像拼接报告_第5页
资源描述:

《图像拼接报告》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、:拼接学习1为什么要进行图像拼接在很多研宂领域需要一些分辨率很高的超高清、全景图像。而现有的全景相机、广角镜头等设备不仅昂贵,而且存在失真的现象。所以要使用阁像无缝拼接技术将很多张具有部分重叠区域的图像进行拼接,从而得到一幅宽视角的全景图像,满足人们在各领域研究的需要。像拼接的流程一、图像拼接的流程:大致可分为三部分:图像预处理,图像配准,图像融合。详细分为:①预处理一〉②特征点搜索一〉③特征点筛选一〉④两幅图像中的特征点配对一〉⑤根据配对点找到不同阁片之间的映射变换关系一〉⑥图形融合像的预图处理图像预处理包括:噪声去除、灰度处理、儿何畸变的校正等图像处理。像配准提取参考图像和待拼接图像屮的特

2、征信息,然后在提取出的特征信息中寻找最佳的匹配。图像配准算法主要包括三类:基于图像像素的方法、基于图像特征的配准算法和基于图像区域配准算法。4.1基于特征的:配准算法一、为什么选用这种方法:这种方法提取了图像的特征,压缩了图像信息的数据量,因此在匹配吋计算量小,速度较快。而且能保持图像位移、旋转、比例等方面的特征。并且图像特征具有很好的独特性以相互区分,对位置变化敏感,匹配精度高。二、算法介绍:首先对两幅待匹配的图像进行特征提取,将这些特征作为控制结构,然后利用提取到的特征结构来完成图像特征之间的匹配,通过控制结构的匹配关系建立图像之间的映射变换关系。匹配的特征可以是边缘、轮廓、直线等。常用的

3、匹配特征主要有点特征、线特征和区域特征。三、算法种类:常川的特征点提取算法有Susan算法、Harris算法、STFT算法等。4.2Harris角点检测算法4.2.1角点的数学定义:①角点是图像灰度一阶导数所对应的最大值的位置;②角点是阁像屮两条或两条以上边缘的交点;③角点是图像中灰度变化最大的位置:④角点位置的一阶导数最大,二阶导数为零;⑤角点是图像巾物体边缘变换不连续的位置:⑥角点是二维图像亮度变化剧烈的位置。4.2.2Harris角点检测的优点:Harris算子是一种有效的特征点提取算子,其优点总结如下:①计算简单:Harris算子中只用到灰度的一阶差分以及滤波,操作简单,整个过程的自动

4、化程度高。②提取的点特征均匀而且合理:Harris算子对图像屮的毎个点都计算其特征值,然后在邻域屮选収最优点。实验表明:在纹理信息丰富的区域,Harris算子可以提取出大量宥用的特征点。而在纹理信息少的区域,提取的特征点则较少。③可以定S的提取特征点:Harris算子最后一步是对所有的局部极值进行排序,所以可以根据需要提取一定数量的最优点。④Harris算子在计算时用到了图像数据的一阶导数,具有各向同性。因此对图像旋转、亮度变化、视角变化和噪声的影响具有较好的鲁棒性。4.2.3Harris角点检测算法该算法的原理可以简单描述为以下几个过程:一、选取一个矩形窗口沿不同方向做小段平移。依据所设定窗

5、口在图像不同区域边沿不同方向移动时,窗口的局部灰度变化情况来确定是不是图像的角点。局部灰度变化有三种情况:①当这个小窗口在边缘内部区域,小窗口沿任意方向进行小段平移,图像的灰度变化都很小,局部自相关函数很平坦;边缘内部扫描边缘内部的局部自相关函数①当小窗口位于边缘区域。沿边缘方向进行小段平移,灰度变化较小。当沿垂直边缘方向进行小段移动,灰度变化会很大。边缘区域扫描边缘区域的局部自相关函数②当小窗口位于角点区域,窗口在各个方向上小的移动,灰度变化都很明显,局部自相关函数呈现尖峰状。角点区域扫描角点K域的局部自相关函数二、根据上步,相对应灰度的改变量为:通过灰度的变化构造出自相关函数:M.Vx,y

6、是微小位移量,u,v为像素点坐标。Wu.v为高斯窗口在像素元Cu,v)的系数。三、推导函数,得到函数解的表达式:X+M.V+V«.V=Ax2+By2+2Ciy将与自相关函数相联系的矩阵M代入上式后,式可以表示为:E(义,y)=(x,y)r其中,E(x,y>与局部自相关函数很接近,M是像素点(x,y)的自相关矩降•,描述了这个自相关函数在原点的形状,X,y表示原始图像灰度的梯度,A,B,C,Wu,v,M分别为下式:®l/IIXo®ll/IIy:5lava/lev.(3.5)(3.6)(3.7)(3.8)A=X2®A(x,y)=/;®h(x9y)B=Y2®A(x,y)=®A(x,y)C=XX®h(

7、x,y)=IJV®h(x9y)wttr=cxp[-(//2+v2y2J2J~ACM=CB设入1和A2为M矩阵的特征值,那么就可以通过判断X1和X2的大小关系,确定当前坐标点是否是角点。①:两个特征值都比较小,则该点为平坦区域;②:一个特征比较大,一个比较小,则该点位于边缘区域。③:两个特征值都比较大,说明在该点的图像灰度自相关函数的两个正交方叫上的极伉曲率均较大,就可以判定这个点是角点。四、将上述

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。