论文部分内容阅读
图像拼接作为计算机视觉领域的一个重要分支,可以将含有重叠区域的图像组进行配准融合,实现全视角高分辨率图像的目标。现实中受图像获取设备等客观条件的限制,无法将同一场景的所有目标通过一张图像清晰呈现,导致图像分析与应用阶段耗费大量时间。图像拼接算法为上述问题的解决提供了有效的方法,使图像在保持高分辨率的同时呈现360度的全景。目前,该技术已广泛应用于太空探索、遥感、日常民生等多个领域。本文依托国家科技支撑计划课题,从基于特征点的拼接算法出发,综述了图像拼接相关理论和主要方法,针对拼接核心环节展开相关研究。论文主要工作包括:(1)针对SIFT拼接算法在特征点提取阶段采用差分高斯金字塔方式导致算法运行时间较长、特征点漏检及位置偏移的问题,提出一种基于FAST特征点提取的图像配准算法,该算法利用FAST替代SIFT原有特征点提取方法,在减少匹配运行时间的同时提高了图像间匹配准确率。(2)针对传统优化算法在精匹配阶段不能有效消除误匹配对且不具有自适应性的问题,提出一种基于K-means-++的自适应匹配优化算法,利用聚类算法可有效发现数据内在关系的特性,对初始匹配对进行自适应优化,以获取正确匹配对,实验表明该算法可有效降低特征点误匹配率,增强匹配优化算法的自适应性。(3)针对拼接图像亮度差异大、拼缝明显及像素易丢失的问题,提出一种基于区域指导的图像融合算法,该算法采用等间距插值法处理拼接图像非重叠区域,渐进渐出法处理重叠区域,基于区域指导的融合算法可有效消除拼接图像拼缝,改善拼接图像视觉效果。研究成果可用于基于特征点图像拼接算法的相关研究,并为相关课题需求提供支持。