基于改進(jìn)圖像配準(zhǔn)算法的圖像拼接實(shí)現(xiàn).pdf

1、圖像拼接(ImageMosaic)是數(shù)字圖像處理技術(shù)的一種，它將一組具有重疊區(qū)域的小視角圖像，經(jīng)過(guò)圖像預(yù)處理、圖像配準(zhǔn)、圖像融合，組合成一幅大視角的新圖像，組合后的新圖像包含拼接前圖像的全部信息。圖像拼接技術(shù)在現(xiàn)代生活中發(fā)揮著極大的作用。圖像拼接算法最核心技術(shù)是圖像配準(zhǔn)，而圖像配準(zhǔn)主要步驟是特征提取和特征匹配。本文主要研究了基于改進(jìn)圖像配準(zhǔn)算法的圖像拼接實(shí)現(xiàn)。本文的具體工作包括4個(gè)方面:
　　(1)針對(duì)SIFT算法每次搜索26個(gè)點(diǎn)

2、全部比較才能判斷是否具有極值點(diǎn)、存在邊緣響應(yīng)和存在特征描述子維數(shù)高等缺點(diǎn)，提出了改進(jìn)的SIFT特征提取。改進(jìn)算法首先采用單層進(jìn)行比較來(lái)判斷是否具有極值點(diǎn);然后采用Canny邊緣檢測(cè)算子消除DOG邊緣響應(yīng)點(diǎn);最后對(duì)特征描述子從128維降維到90維。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的極值點(diǎn)搜索方法提高了極值點(diǎn)搜索效率;Canny邊緣檢測(cè)算子消除了邊緣響應(yīng)點(diǎn)，提取了有效特征;降維的特征描述子減少了計(jì)算量。改進(jìn)的SIFT算法提取了有效特征并且提高了運(yùn)行速度。

3、
　　(2)針對(duì)固定比例閾值特征匹配準(zhǔn)確率低問(wèn)題，提出了改進(jìn)的自適應(yīng)比例閾值特征匹配方法。改進(jìn)方法是利用重復(fù)率來(lái)計(jì)算特征匹配準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明，自適應(yīng)比例閾值特征匹配方法準(zhǔn)確率達(dá)到90％以上。
　　(3)介紹了RANSAC算法原理，實(shí)現(xiàn)了用RANSAC算法求解初始變換矩陣。為了實(shí)現(xiàn)平移、縮放、旋轉(zhuǎn)圖像的拼接，本文采用了8個(gè)參數(shù)的投影變換矩陣。再利用L-M算法對(duì)初始變換矩陣重新估計(jì)，來(lái)減小重投影誤差。還介紹了漸進(jìn)漸出的加權(quán)平

4、均圖像融合算法，實(shí)現(xiàn)了對(duì)拼接圖像的融合。
　　(4)實(shí)現(xiàn)了基于原圖像配準(zhǔn)的圖像拼接和基于改進(jìn)圖像配準(zhǔn)的圖像拼接。基于原圖像配準(zhǔn)的圖像拼接:用原SIFT算法提取特征，再用固定比例閾值特征匹配算法進(jìn)行特征匹配實(shí)現(xiàn)。基于改進(jìn)圖像配準(zhǔn)的圖像拼接:用改進(jìn)SIFT算法提取特征，再用自適應(yīng)比例閾值特征匹配算法進(jìn)行特征匹配實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明兩種方法都實(shí)現(xiàn)了平移圖像、旋轉(zhuǎn)圖像和縮放圖像的無(wú)縫拼接，但是基于改進(jìn)圖像配準(zhǔn)的圖像拼接效率比基于原圖像配準(zhǔn)的