论文部分内容阅读
普通相机视野小,获得的信息量少,通过传感器对同一场景不同视角的拍摄可以得到多幅具有重叠区域的图像,利用图像拼接技术可以将一系列具有重叠区域的窄视角图像合成为一幅高视觉质量的宽视角图像。针对现有多视角图像拼接方法存在的特征点漏检率高、配准精度低、拼接痕迹严重和模糊等问题,本文提出了一种基于多平面配准和缝合线融合的多视角图像拼接方法。主要工作和创新点包括:(1)针对现有多视角图像拼接方法特征点漏检率高的问题,提出一种基于平面相似度聚类的特征点筛选方法。首先,提取待拼接图像的特征点,并利用基于距离比的K-D tree算法粗匹配;然后,根据相同平面特征点对应同一单应矩阵的特点,计算特征匹配对间的平面相似度;最后,利用凝聚层次聚类算法将特征匹配对划分为误匹配集和正确匹配集,实现特征点筛选。(2)针对现有多视角图像拼接方法配准精度低的问题,提出一种基于多平面局部单应变换的配准方法。首先,将图像划分为大小相同的密集网格,根据特征点凝聚层次聚类结果计算每个网格对应的平面;然后,根据特征点平面和网格所在平面之间的关系以及特征点到网格中心点的距离,定义局部单应变换的权重矩阵;最后,采用捆绑约束算法优化变换参数,将所有图像的像素点变换到同一坐标系下,实现图像配准。(3)针对现有多视角图像拼接方法拼接痕迹明显以及具有不同焦点的待拼接图像融合结果模糊的问题,提出一种基于焦点分数的最优缝合线搜索方法。首先,提出了显著稀疏表示模型以分解图像;然后,根据分解后的显著稀疏系数和误差提取图像重叠区域的焦点,构建焦点分数图;最后,结合焦点分数图、亮度差图和边缘差图建立能量函数,利用Graph-cut算法最小化能量函数以搜索最优缝合线,从而实现图像融合。通过与被广泛采用的图像拼接方法相比较,本文提出的方法有效降低了特征点的漏检率,提高了图像配准精度,改善了图像拼接痕迹,增强了图像的清晰度。