论文部分内容阅读
全景图生成是近年来兴起的基于图像的绘制技术(Imaged-Based Rendering,IBR)中的重要研究内容,涉及到计算机图形学、图像处理及计算几何等诸多学科。全景图可以表达完整的周围环境信息,相当于观察者从一个固定视点向四周转一圈所能看到的景象。全景图生成一般分为四个步骤:选择映射模式、数据采集、图像拼接以及图像融合。 图像拼接是全景图生成技术中关键的一个环节,是指利用(摄)相机平移或旋转得到的部分重叠的图像样本生成一个较大的甚至首尾衔接的全方位图像的场景。本文研究了几种图像拼接算法: 针对原等距离匹配算法中,在对应比较区域需对所有对应点进行颜色差值计算,拼接速度较慢的缺点,研究了一种快速的随机取点等距离匹配图像拼接算法。对于相邻两幅图像,同步长移动比较区域,在比较区域中采取随机取点的方式,计算对应点的颜色差值并累加,若达到某一设定阈值,则停止计算。移动比较过程中,计算次数最多的比较区域中心位置即为最佳匹配位置。利用本算法思想对随机顺序输入的场景图像进行排序,可以获得按照图像实景内容排序的图像序列,实现全景图像拼接。 利用相位相关算法进行图像拼接时,直接对原始图像像素颜色值进行傅立叶变换,对光照比较敏感;δ函数阵列中存在多个与较大峰值较为接近的峰值时,难于确定图像间平移量的正确解。本文研究了一种基于图像轮廓的相位相关算法,先将图像提取轮廓,再对轮廓图像进行相位相关计算,当得到的δ函数阵列中存在多个和最大峰值比较接近的峰值时,把它们对应的平移量作为候选平移量,然后再将每对平移量对应的重叠图像进行相位相关计算,以此来确定最佳峰值,将最佳峰值对应的平移量作为图像间的最终拼接平移量。 传统的模板匹配算法计算量大,匹配速度慢。序贯相似性检测算法(Sequential Similarity Detection Algorithms,SSDA)虽可以减少计算量,但是其固定阈值的合适选取存在很大的困难。针对这些情况,本文研究了一种自适应阈值序列SSDA算法。选定阈值初值后,在下面的匹配计算中不断的将其更新,遵循超过当前阈值就不再计算的原则,寻找最佳匹配点的位置,做到了在不丢失真正匹配点的同时尽可能的减少了计算量。 基于以上的图像拼接算法,本文开发了一个图像拼接及全景图生成系统,包括改进的等距离匹配算法、基于轮廓的相位相关算法、自适应阈值序列SSDA算法以及图像排序并拼接等模块,能够得到较好的图像拼接及全景图生成效果。