当前位置:文档之家› 基于SIFT特征向量的图像拼接技术研究

基于SIFT特征向量的图像拼接技术研究

基于SIFT特征向量的图像拼接技术研究摘要图像拼接技术是数字图像处理邻域的一个研究热点,一直是计算机视觉、模式识别、医学等领域研究的一个重要课题,图像拼接技术也是图像处理工作中的关键技术之一。

所谓图像拼接就是将有重叠的图像无缝拼成一幅大宽视域图像的技术。

它包含两个关键技术:图像配准和图像融合。

近年来,随着技术的成熟,图像拼接技术被很好的应用到了机器人导航、无人平台战场监控、航拍图像处理等多个领域。

基于特征的图像配准与拼接技术配准结果准确拼接效果良好且不易受光照、旋转等因素的影响是当前图像配准与拼接领域研究的热点。

本文在深入研究和学习已有的基于SIFT的图像配准与拼接技术的基础上,详尽地分析了现有算法的不足,并提出了若干改进算法。

关键字:图像拼接,特征,线段特征,图像融合Image splicing technology research based on SIFT feature vectorabstractImage splicing technology is a research focus in the neighborhood of digital image processing, has been the computer vision, pattern recognition, an important hot topic in the field of medicine and other fields, image splicing technology is one of the key technologies of image processing work. The so-called image mosaicing is there will be overlapping images seamless Mosaic a big wide horizon image technology. It includes two key techniques: image registration and image fusion. In recent years, with mature technology, image splicing technology is very good application in robot navigation, unmanned platform battlefield monitoring, aerial image processing and other fields. Based on the characteristics of image registration and Mosaic registration results are accurate stitching effect is good and not easily influenced by factors such as illumination, rotation is the hotspot in research of image registration and Mosaic. Based on the in-depth research and study of the existing image registration based on SIFT and splicing technology, on the basis of the shortage of the existing algorithm is analyzed in detail, and puts forward some improved algorithm.The keyword:Image stitching, features, line features, image fusion目录第一章绪论 (3)1.1研究背景和意义 (3)1.2国内外研究现状 (4)1.3研究内容 (5)第二章图像拼接的相关理论基础 (6)2.1图像拼接的基本流程 (6)2.2图像预处理 (7)2.3图像配准 (7)2.3.1基于灰度信息的图像配准 (8)2.3.2基于变换域的图像配准 (8)2.3.3基于特征的图像配准 (9)2.4图像融合 (10)第三章基于 SIFT 特征的图像拼接算法和图像特征提取算法 (11)3.1算法流程 (11)3.1.1SIFT 特征描述符 (11)3.1.2ISIFT 算法的特征匹配 (12)3.2图像融合 (13)3.3图像特征提取算法 (15)3.3.1图像特征提取概述 (16)3.3.2 SIFT 特征向量的匹配 (16)总结 (17)参考文献 (19)第一章绪论1.1研究背景和意义图像拼接就是将两幅或多幅输入图像通过计算机技术拼合成一幅光滑无缝图像的过程。

图像拼接将数张有重叠部分的图像(可能是不同时间、不同视角或者不同传感器获得的)拼成一幅大型无缝高分辨率图像的技术。

图像拼接是一个日益流行的研究领域,它已经成为照相绘图学、计算机视觉、图像处理和计算机图形学研究中的热点。

图像拼接解决问题的一般表达式:通过对齐一系列空间重叠的图像,构成一个无缝的、高清晰的图像,它具有比单个图像更高的分辨率和更大的视野。

图像拼接的两个关键技术是图像配准和图像融合。

采集的输入图像要求图像之间存在重叠部分,对图像间的亮度、形变等差异不做要求。

计算机技术的发展使图像拼接技术成为可能,人们通过理论算法在计算机上编程实现图像拼接。

判断图像拼接技术优劣的指标主要是质量和效率,因此,高质量高效率是当前拼接技术研究的热门方向。

人类获取信息的途径是多种多样的,人们可以通过语言交流信息,可以通过文字传达信息,可以通过眼睛所看到的场景接收信息等,毫无疑问眼睛获取的图像信息所含信息丰富信息量大,可以更直观更容易被人们获取。

与早期的模拟图像相比,数字图像具有再现性良好、处理精度高、便于设备的传输与显示。

因此,现实生活和工作的各方各面都用到了数字图像应用技术。

由于普通相机分辨率一定,不能满足人们获取图像时要求图像宽视角并且较高的分辨率,另外一些广角镜头价格昂贵不具有普遍性,因此人们开始考虑采用软件技术将多幅图像拼为一张大图像。

早期的拼接主要依靠手动完成,对于图像旋转、缩放等变换手动拼接就无法很好的处理。

因此,人们想到了时候可以利用 PC 对图像进行拼接以克服手动拼接的缺点。

这也是拼接技术一直到现在都在研究的问题。

人眼所能看到的范围是一定的,为了对某些大场景得到一个总体性的认识,人们首先获取该场景的各部分图像,然后将这些局部图像通过计算机拼成一张包含整体场景的图像。

由于计算机完成了图像的自动拼接,这使得人们可以利用自己的计算机对自己感兴趣的图像进行拼接处理,拼接技术的普遍化增加了拼接技术应用领域的范围。

当前乃至今后,图像拼接技术都将拥有广泛应用价值。

然而,由于图像自身的各种复杂变换以及外界的噪声等影响,目前还没有一个图像拼接算法能够处理所有情形的拼接问题。

图像拼接技术应用非常广泛,如医学领域、遥感领域、3D 虚拟现实领域等。

此外,图像拼接技术还可用于视频监控系统、视频的检索浏览及编辑,在视频压缩领域也得到了重要运用。

在医学领域内,医生利用超声波或显微镜等仪器拍摄图像或细胞图像时,然而,由于拍摄的视角较小或者拍摄到由多个小碎片图像形成的大目标图像,医生无法获得比较完整的数据或信息来诊断病人的病情,故把多个相邻的图像拼接成一幅宽视角的图像能帮助医生获取病人信息来诊断病情。

如医生使用含有多个摄像机的内窥镜对病人进行微创手术,提高了手术的成功率。

在虚拟现实领域内,首先利用摄像机或照相机拍摄多幅含有重合区域的真实场景,然后通过计算机图像学中三位几何模型的绘制技术和图像的拼接技术建立虚拟场景。

目前,图像拼接技术在虚拟现实领域内取得了一定成果,如神话电视剧中的背景图像或游戏背景。

在交通控制系统中,首先在十字路口的四个方向上各放置一个摄像机,然后把捕获的四个单独视频流利用图像拼接技术进行全景图像拼接,最后把构建的全景图像传送到指挥室。

该种方法降低了传送的数据量,减少交警的分析判断时间,提高了交通控制效率。

在卫星遥感领域内,通过飞机或者人造卫星在高空中从多个角度拍摄或从多个场景拍摄图像,然后将拍摄得到的图像拼接成一幅宽视角、完整的全景图像。

如图像拼接技术在生态环境污染检测、国土资源勘探、城市规划、植被资源调查等方面具有广泛的应用。

由此可见,图像拼接技术不但在民用领域内对人们的实际生产生活有着非常广阔的应用前景,而且在军事领域内起着重要的作用。

虽然图像拼接技术己经研究多年且取得了一定的进展,但对中国而言,它在理论和技术上都还没有成熟。

因此,深入研究本课题,对发展中国的图像处理技术邻域有着重要的现实意义。

1.2国内外研究现状图像拼接技术是计算机视觉、数字图像处理、计算机图形学等领域一个非常重要的分支。

其在遥感摄影、视频监控、医学图像处理、虚拟现实等领域都有着重要的应用,图像拼接技术更是全景摄影技术、场景重建等领域的核心技术,是近年來图像处理领域的研究热点。

在全景图拼接领域,国外的R. Szeliski 和 J. Coughlan 在 1996 年就提出一种用投影变换模型来进行图像配准,然后通过搜索算法来求出变换模型参数,虽然该方法能够获得相当好的实验效果,但是该方法所需要的运行时间比较长[1]。

根据该文作者的实验结论,此方法对平移、旋转和仿射都具有一定程度的不变性。

2000 年,S.Peleg 对此方法进行了改进,提出了自适应图像拼接算法,该算法根据相机运动轨迹的不同,自动选择拼接模型,最终实现图像拼接[2]。

另外,Sevket Gumustekin 解决了生成全景图过程中产生的投影变形问题,通过对摄像机建立成像模型,再利用求得的成像模型把待拼接的图像投影到高斯球面上,来完成图像拼接[3,4]。

1999 年,D.G. Lowe 提出了基于不变量的 SIFT 算法,并用该算法实现了目标识别[5]。

2003 年,M.Brown 就使用了该 SIFT 算法实现了全景图自动拼接,并且效果较好[6]。

2007 年,Seong Jong Ha 提出了基于摄像机系统的全景图拼接,拼接效果不仅好,而且速度也很快[7]。

国内使用此类方法的也有很多人,比较有代表性的如李中科[8]等结合一维和二维傅立叶变换,首先利用一维傅立叶变换,通过在变换域搜索角度脊得到旋转参数,然后对图像进行旋转。

再利用二维傅立叶变换,求解平移参数,最后完成配准。

李忠新[9]等提出的方法和Reddy的很相似,只是在计算方面做了一些改进。

相关主题