论文部分内容阅读
随着社会发展和数字图像技术的进步,人们对广视角图像的需求日益增长,推动了图像拼接技术的诞生和发展。由于单幅图像包含的图像信息存在着片面性和局限性,不能满足用户对广视角和多信息量的需求。因此,如何将多幅存在重叠区域的图像进行拼接融合成一幅具有广视角的图像成为近年来的研究热点。图像拼接主要是通过扩大图像的视野范围,获取较完整的图像信息。拼接后得到的图像视野范围更广,包含的图像信息更多,且原图像中的信息得到了保留,具有较好的鲁棒性。目前,图像拼接技术已经被应用到包括遥感、医疗和虚拟现实等众多领域,在现实生活中发挥的作用越来越大,应用前景十分广阔。图像拼接技术主要是对具有重叠区域的两幅或多幅图像进行融合处理生成信息更全面的图像,从而弥补单张图像无法充分概括目标物体所有详细信息的缺陷。相较原始图像,拼接图像具有更完整的图像信息。图像拼接技术一般主要由图像采集、图像预处理、图像配准和图像融合四个部分组成。图像采集的设备和采集方式主要取决于图像拼接的应用背景,不同的应用背景使用的图像获取设备和获取方法也不尽相同。图像预处理可以消除采集到的图像中存在的干扰信息,确保后续图像拼接融合的准确性和有效性。相邻图像配准的时间和配准的准确度是影响图像拼接生成的图像质量和运行时间的关键因素。图像融合主要实现的是最大限度地将两幅或者多幅待拼接图像的信息进行拼接合并,使不同图像的拼接融合处达到平滑过渡。图像融合主要有像素级融合、特征级融合和决策级融合三个不同的融合层次。其中,像素级融合方法因为保留了较多的细节信息,是三个融合层次中目前常用的融合方法。像素级融合主要有直接平均融合、加权平均融合和渐入渐出融合算法等。图像配准因为是对待拼接图像进行空间匹配对准,在图像拼接技术中处于最重要的地位。目前常见的图像配准方法主要有基于灰度信息的配准方法、基于特征的配准方法和基于变换域的配准方法等三种。在基于特征的图像配准方法中,SIFT算法具有代表性,也是图像拼接技术中常用的配准算法之一。SIFT算法生成的特征描述符对光照、尺度、旋转和仿射变换不是很敏感,但是存在计算量大、耗时久等问题。本文对SIFT算法进行了深入地研究,发现SIFT算法存在计算量大、耗时久等问题。针对SIFT算法存在的这些问题,分别对采用3?3、5?5、7?7和9?9四种极值点检测范围的方法进行了对比实验。根据实验结果,本文提出了一种减少SIFT算法特征点数量的方法,对SIFT算法中局部极值点的检测区域进行扩大处理,选取5?5的局部极值点检测范围,从而达到减少极值点数量的目的;在此基础上,本文进一步对特征描述符的构建方法进行了改进,采用12环的圆形窗口代替原算法中的方形窗口,用(3,3,2,2,1,1)方式对圆环进行划分,最后生成78维的特征描述符。实验结果表明,通过对特征描述符构造方法的改进,减少了特征点的数量,降低了其维数,从而大大减少了图像配准这一步骤的计算时间。最后,使用RANSAC去除错误的配准点对,并采用渐入渐出融合算法将两幅图像拼接融合成一幅更完整的图像。由于目前对图像拼接效果的客观评价没有形成统一的标准,而全局检测不能有效体现图像拼接后的细节信息。为了检验算法的拼接效果,本文提出了一种基于局部区域的图像拼接效果的评价方法,对拼接融合图像的相关指标进行了局部区域分块检测,从信息熵、边缘强度和峰值信噪比等几个指标与融合前的图像进行了数值化比较,以验证图像拼接的效果。实验结果表明,本文算法拼接完成的图像具有良好的视觉效果,拼接部分的信息熵等评价指标相较原图,能够略有提升。从而证明,在保证良好的拼接质量的前提下,本方法具有快速、可靠、有效等特点。