畢業(yè)論文外文翻譯使用不變特征的全景圖像自動拼接

1、大學(xué)畢業(yè)設(shè)計(jì)（英文翻譯）原文題目：原文題目：AutomaticPanamicImageStitchingusingInvariantFeatures譯文題目：譯文題目：使用不變特征的全景圖像自動拼接學(xué)院：院：電子與信息工程學(xué)院專業(yè)：姓名：名：學(xué)號：號：本文其余部分的結(jié)構(gòu)如下。第二部分說明所研究問題的幾何學(xué)和我們選擇不變特征的原因。第三部分介紹了圖像匹配方法（RANSAC）和驗(yàn)證圖像匹配的概率模型。第四部分中，我們描述了圖像對準(zhǔn)算法（捆綁

2、調(diào)整），即共同優(yōu)化每個攝像頭的參數(shù)。五到七部分描述了處理過程，包括自動校直、增益補(bǔ)償和多波段融合。第九部分中，我們給出了結(jié)論和對未來工作的展望。2.特征匹配特征匹配全景識別算法的第一步是在所有圖像之間提取和匹配SIFT特征檢測點(diǎn)。SIFT特征檢測子位于不同尺度空間高斯插值函數(shù)的極值點(diǎn)處，對每一個特征點(diǎn)，特征尺度和方向被確定，這為測量提供了一個相似不變的結(jié)構(gòu)。盡管在這個結(jié)構(gòu)中簡單的采樣強(qiáng)度值是相似不變的，但是不變描述子實(shí)際上是通過對方向直

3、方圖的局部梯度值進(jìn)行累積計(jì)算得到的，這樣就允許邊緣有輕微的移動而不會改變描述子的矢量，對仿射變換提供了一定的魯棒性?？臻g累積計(jì)算對平移不變性同樣重要，因?yàn)楦信d趣點(diǎn)位置通常僅在0~3個像素的范圍內(nèi)是精確的。為了實(shí)現(xiàn)亮度不變性可以使用梯度（消除偏差）和對描述子矢量歸一化（消除增益）。由于SIFT特征在旋轉(zhuǎn)和尺度變化時是不變的，我們可以處理具有變化的方向和大小的圖像（見圖8）。值得注意的是，這是傳統(tǒng)的特征匹配技術(shù)不能實(shí)現(xiàn)的，例如Harris角

4、點(diǎn)圖像修補(bǔ)的相關(guān)性。傳統(tǒng)的相關(guān)性在圖像旋轉(zhuǎn)時是變化的，Harris角點(diǎn)在改變圖像尺度時也是變化的。假設(shè)相機(jī)繞光學(xué)中心旋轉(zhuǎn)，圖像的變換群是一個對應(yīng)矩陣的特殊群。由一個旋轉(zhuǎn)矢量和焦距將每個攝像頭參數(shù)化，就給出了成對的對應(yīng)矩陣??321????，，?f，其中jijiuHu~~?（1）1??jTjiiijKRRKH并且是均勻的圖像坐標(biāo)（，其中是二維的圖像坐標(biāo)）。4參數(shù)的相機(jī)jiuu~~??1~iiiusu?iu模型定義為：（2）????????