论文部分内容阅读
随着图像使用范围的日益扩大,以及人工智能、影视制作、智能手机等产业的蓬勃发展,图像拼接技术广泛地应用于视频监控、无人驾驶、全景拍摄、医学图像配准、测绘等领域。该技术合成的大视角全景图像日渐涌现在人们的日常生活中,有效地提升了人们的生活水平和质量。图像拼接的目标场景可分为无视差场景和大视差场景。由于视差的随机性和复杂性的限制,较为先进的设备和算法仅局限于处理小视差场景,对于大视差的拼接效果仍旧不甚理想,无法有效地解决视差和色差所导致的图像重影、失真和色差缝等问题。目前,具有重要意义的图像拼接技术,仍然具有研究空间和价值。因此,本文针对大视差场景的图像拼接方法进行研究。本文以手持设备任意拍摄的图像作为实验对象,围绕提升图像对准精度展开研究。在传统的基于特征点的拼接框架的基础上,本文提出了一些新颖的、具有针对性措施。如引入线特征和图像分割以提升匹配数目和匹配精度,采用局部变换模型对图像进行映射,利用特征约束进行误差校正,以提高图像拼接的视差容忍性能。本文的研究所涉及的内容和创新之处如下:1.提出基于正态分布的图像匹配方法针对当前配准算法存在误匹配、特征匹配不足和运算时间长等问题,本文提出一种基于正态分布模型的图像特征匹配措施。首先,对特征描述符进行矢量运算,降低维度以提升运算效率。然后,将引入的线特征转化为点特征以提升图像特征的丰富度,提升图像配准的鲁棒性。最后,引入超像素分割方法对图像进行平面分割以精确计算局部映射模型,结合正态分布模型对点特征的映射误差进行分类以辨别错误匹配,实现自适应地寻找错误匹配点。实验结果表明,本文方法有效地减少了特征的误匹配、丰富了图像的匹配特征的同时,还提升了算法效率。2.提出基于偏差校正的局部对齐模型针对传统局部变换模型在图像局部区域出现未对齐的问题,本文提出一种基于偏差校正的局部对齐策略。首先,通过优化的局部变换模型对网格化的图像进行投影映射。然后,计算点和线特征的投影误差,构建描述局部偏差的模型以拟合图像投影偏差的校正场。最后,利用拟合的偏差矩阵对变换的图像进行误差校正,以提升图像对齐精度。实验结果表明,本文方法有效地消除了因未对齐导致的图像重影。3.提出基于圆弧函数的渐入渐出图像融合方法实际拍摄过程中,视点位置的改变、相机参数的差异、光线的变化等,会使图像间产生一定的视差和色差。本文提出一种基于圆弧函数的非线性加权模型对变形后的图像进行加权融合以解决视差和色差导致的不自然的现象。通过计算当前像素在重叠区域内的相对位置。利用圆弧函数计算各个位置对应的加权值。使用加权矩阵对图像进行加权叠加以融合图像。实验结果表明,本文方法有效地解决了拼接缝和运动重影的问题。