学位论文 > 优秀研究生学位论文题录展示

全自动拼接技术研究

作　者: 俞克强
导　师: 黄文清
学　校: 浙江理工大学
专　业: 计算机应用技术
关键词: 图像拼接图像配准图像融合 SIFT 误差概率密度
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 7次
引　用: 0次
阅　读: 论文下载

内容摘要

图像拼接技术，即根据图像之间的重合区信息通过一定的方法将其拼接在一起的一门技术。该技术包含两个关键步骤，配准和融合。配准主要涉及图像位置的几何调整。融合主要涉及图像之间的颜色和亮度的一致性调整。从拼接对象来看，图像拼接又包括2D图像的拼接和3D图像的拼接。2D图像的拼接目的为构建高分辨率、宽视角图像，而3D图像的拼接目的为获得被扫描物体完整的3D信息。随着科学技术的发展，拼接技术已经成为现代信息处理领域中的一项极为重要的技术，在许多领域内，如宇宙空间探测、医学、军事、视频检索和传输等领域，有着广泛而实际的应用。然而由于现有配准和融合技术存在的局限性，拼接技术依然是许多应用领域的瓶颈问题。目前很多重要的计算机视觉方面的研究都是在假设拼接问题已经得到解决的前提下开展的。因此对图像拼接技术的研究仍然极具研究价值。本文首先提出图像拼接技术的研究背景和意义，并对目前的拼接技术进行总结和分类。然后确立拼接所使用的坐标系，并介绍了本文所使用的一些几何变换。为后续的研究做好准备。对拼接的关键步骤——配准技术，本文采用了局部和全局两种方式。第三章给出了一种基于SIFT（Scale Invariant Feature Tranform）的特征配准技术。通过对基于SIFT特征的2D图像配准技术的研究，本文发现该技术作为一种局部配准方式很难实现对内容单一场景图像的拼接，常常因提取不到充足的特征点而造成拼接失败。因此，本文第四章引入了基于全局方式的2D图像配准算法，该算法通过不断的优化图像重合区的误差从而调整图像之间的几何变换参数来实现图像的配准工作。该方法由于使用了图像的所有信息，因而更具稳定性。在3D图像的配准中，本文第五章引入了一种基于概率密度的全局配准方法，该方法通过构建3D图像的混合高斯概率密度函数，使用共轭梯度算法不断优化混合高斯概率密度函数之间的差值来实现配准工作。在第六章，考虑到由于环境变化、采集设备等原因，造成图像之间的颜色和亮度存在非线性的差异。在参考现有融合技术的基础上，本文采用亮度补偿法和多分辨样条融合技术来完成图像的融合。通过实验验证，本文所使用的基于全局信息的配准方法能有效的调整图像之间的几何位置，并具有更高的稳定性。此外，通过将亮度补偿融合法和多分辨样条融合法两种技术相结合，本文实现了图像之间颜色偏差和亮度不一致的一致性调整，并在实验中得到验证。

全文目录

摘要  4-6
Abstract  6-11
第一章绪论  11-26
  1.1 研究的背景和意义  11-12
  1.2 图像拼接技术简介  12-14
    1.2.1 图像拼接技术研究现状  12-13
    1.2.2 图像拼接技术一般步骤  13-14
  1.3 配准技术的国内外研究现状  14-21
    1.3.1 相关性方法  14-15
    1.3.2 矩和主轴方法  15
    1.3.3 以小波为基础的方法  15-16
    1.3.4 地图集方法  16-17
    1.3.5 曲线方法  17-18
    1.3.6 曲面方法  18
    1.3.7 交互信息方法  18-19
    1.3.8 人工神经网络方法  19-20
    1.3.9 遗传算法方法  20-21
  1.4 融合技术的国内外研究现状  21-24
    1.4.1 加权平均融合法  21-22
    1.4.2 多分辨样条融合法  22-23
    1.4.3 基于小波变换的图像融合方法  23
    1.4.4 其它方法  23-24
  1.5 本文的工作和论文的组织  24-26
    1.5.1 本文的主要工作  24
    1.5.2 论文章节安排  24-26
第二章几何变换  26-35
  2.1 笛卡尔坐标系  26-28
    2.1.1 坐标系确定  26-27
    2.1.2 坐标系转换  27-28
  2.2 简单变换  28-30
  2.3 复杂变换  30-31
  2.4 实验结果与分析  31-33
  2.5 本章小结  33-35
第三章基于 SIFT 的特征配准技术  35-52
  3.1 引言  35-36
  3.2 SIFT 特征提取  36-39
    3.2.1 SIFT 特征的理论基础  36-37
    3.2.2 构建高斯金字塔和残差金字塔(DOG)  37
    3.2.3 极值点检测  37-38
    3.2.4 极值点的插值与特征点的确立  38-39
  3.3 SIFT 特征描述器  39-41
  3.4 SIFT 特征配对  41-42
  3.5 使用 RANSAC 算法确定 inliner 点  42-45
  3.6 全景拼接  45-46
  3.7 捆绑调整  46-47
  3.8 实验结果与参数分析  47-51
    3.8.1 实验结果  47-49
    3.8.2 参数分析  49-51
  3.9 本章小结  51-52
第四章基于误差的无特征配准技术  52-62
  4.1 引言  52
  4.2 无特征拼接数学模型  52-54
  4.3 误差函数优化  54-58
  4.4 迭代优化  58-59
  4.5 实验结果分析  59-61
  4.6 本章小结  61-62
第五章基于概率密度的无特征配准技术  62-71
  5.1 混合高斯模型的建立  62-63
    5.1.1 混合高斯模型定义  62-63
    5.1.2 混合高斯模型参数求解方法  63
  5.2 配准原理  63-65
    5.2.1 刚体模型配准  64
    5.2.2 非刚体模型配准  64-65
  5.3 变形参数计算  65
  5.4 实验结果分析  65-70
    5.4.1 刚体配准实验  66-67
    5.4.2 非刚体配准结果  67-68
    5.4.3 本章算法与 CPD、LM-ICP 算法的比较  68-70
  5.5 本章小结  70-71
第六章图像融合  71-76
  6.1 亮度补偿法  71-73
  6.2 多分辨样条图像融合技术  73-75
    6.2.1 图像分频  73-74
    6.2.2 分频融合  74-75
  6.3 本章小结  75-76
第七章总结与展望  76-78
  7.1 本文研究工作的总结  76-77
  7.2 今后工作展望  77-78
参考文献  78-87
致谢  87-89
发表论文  89

全自动拼接技术研究

内容摘要

全文目录

相似论文