魚眼鏡頭下基于ORB算法的圖像拼接技術(shù)研究.pdf

1、魚眼圖像有著視場(chǎng)大范圍廣的優(yōu)點(diǎn)，但其采集的圖像往往會(huì)有很大的變形，這就會(huì)對(duì)魚眼圖像的拼接造成阻礙。因此，若要有效利用魚眼鏡頭采集的寬視場(chǎng)圖像，就需要把畸變的圖像經(jīng)過透視變換轉(zhuǎn)化成無形變的圖像，然后再進(jìn)行圖像的拼接，這樣才能使魚眼圖像的拼接獲取最大的利用價(jià)值。本文針對(duì)魚眼鏡頭采集的圖像，展開了對(duì)圖像拼接技術(shù)的研究工作。
　　魚眼圖像的拼接有以下的幾個(gè)組成部分：魚眼圖像的校正部分，介紹了兩種不同的校正法：基于球面透視投影約束的校正法和

2、基于經(jīng)度定位的校正法，基于經(jīng)度定位的校正算法丟失像素較少，能夠滿足實(shí)驗(yàn)的需要；在特征點(diǎn)的檢測(cè)部分，采用改進(jìn)的ORB（Oriented BRIEF）算法，該算法在傳統(tǒng)ORB的基礎(chǔ)上，借助SURF（Speed-Up Robust Features）算法的思想，使ORB算法具有了尺度不變性，提高了特征點(diǎn)檢測(cè)的正確率。ORB相對(duì)于SIFT和SURF不但有著高的匹配率，而且在匹配的速度上也有著很大的提升，改進(jìn)的ORB算法雖然在時(shí)間上相對(duì)于傳統(tǒng)的O

3、RB算法有所增加，但是改進(jìn)算法具有尺度不變性，可以檢測(cè)出更多的特征點(diǎn)，進(jìn)而增加了匹配的精確度；特征點(diǎn)的提純部分，運(yùn)用了PROSAC（Progressive Sample Consensus）剔除誤匹配的特征點(diǎn)，PROSAC在消除錯(cuò)誤匹配的速度上要快于RANSAC（Random Sample Consensus）；圖像融合部分，由于在采集圖像過程中的視角、光照變化等因素，會(huì)導(dǎo)致融合后的圖像會(huì)出現(xiàn)重影、拼接線、圖像像素缺失等現(xiàn)象，本文采用漸

4、入漸出以及雙線性插值的方法消除融合后圖像產(chǎn)生這些現(xiàn)象，進(jìn)而使拼接后的圖像更加自然。
　　本文使用Matlab R2015b和Opencv+Visual Studio2015相結(jié)合編程實(shí)現(xiàn)以上實(shí)驗(yàn)算法。在校正實(shí)驗(yàn)中，對(duì)比基于球面透視投影約束的校正法和基于經(jīng)度定位的校正法，并選取后者作為本文的校正算法；在圖像特征點(diǎn)提取實(shí)驗(yàn)中，與傳統(tǒng)的ORB算法進(jìn)行比較。實(shí)驗(yàn)表明：采用基于經(jīng)度定位的校正算法可以很好地保留魚眼圖像的原有信息，當(dāng)圖像的尺度