论文部分内容阅读
作为计算机视觉领域的一个重要研究方向,图像拼接在过去几十年中被众多学者进行了广泛而深入的研究。给定一组输入图像,图像拼接的目标是以尽可能小的计算代价输出高质量的全景图像,其关键问题是视差的处理。针对这一问题,各种各样的图像拼接算法相继被提了出来,其中,局部自适应拼接方法能够得到较传统全局方法更好的效果。本文致力于局部自适应的图像拼接,提出了能够达到更高拼接质量和计算效率的拼接方法。本文的主要工作与创新如下:(1)沿拼缝快速结构变形的图像拼接方法。对于待拼接的一组输入图像,首先,改进了现有的双拼缝查找算法,以更加高效地在两幅输入图像中搜索两条不重合但结构上匹配的拼缝;其次,沿着拼缝方向进行一维特征点的提取与匹配,得到输入图像间的结构对应关系;然后,在特征点匹配关系的基础上,提出一种线性的图像变形算法以修正结构偏差;最后,使用基于超松弛迭代的快速梯度域融合修正图像的亮度偏差,并通过构造特定的迭代初值显著降低了收敛所需迭代次数。实验结果证明,所提方法在拼接效果和计算效率上优于现有方法。(2)基于局部面片拟合的图像拼接方法。首先,通过引入相机投影模型,提出一种较现有模型更加稳定的平面变换模型;然后,将场景近似为相邻面片的组合,则局部自适应拼接问题转化为一系列关于面片参数的线性问题的求解,实现了三维空间的视差处理;最后,在局部面片模型的基础上,提出了三种面片拟合的策略,包括两种加权方法和一种三角化方法。另外,引入了平面和球面上的三角化方法,分别适用透视图像和鱼眼图像的拼接。实验部分在多个数据集上对所提方法与现有方法进行了定性和定量的对比,验证了所提方法的性能。(3)基于稳健弹性形变的图像拼接方法。给定图像间一组匹配点,首先,构造了特定的解析函数以衡量局部视差的大小;然后,在网格化图像平面上计算形变函数,并据此对输入图像进行形变;最后,重投影形变后的图像即得到精确配准的全景图像。作为所提方法的一个重要补充,提出一种基于贝叶斯推断的特征优化模型以剔除局部误匹配数据,该模型赋予了所提方法较现有方法更高的稳健性。另外,所提形变模型与不同变换类型高度兼容,文中介绍了一种将其与全局相似变换相结合的策略。实验结果证明,所提方法能够实现精确高效的图像拼接。