论文部分内容阅读
随着计算机技术和数字图像处理技术的迅速发展,图像拼接已成为计算机视觉和计算机图形学的研究热点。图像拼接技术的产生是由于在现实中获取图像的硬件设备条件的限制引起的。由于硬件所获得的图像无法达到视角或精度的要求,所以辅以软件的手法对普通图像进行处理,由此产生出能够扩展视角或提高精度的图像拼接算法,以满足广大现实需求,这就是图像拼接技术。图像拼接是指将一组有部分重叠的图像经过数字图像处理技术,连接成一幅宽视角的全景图像。目前,图像拼接相关技术已经广泛用于空间探索、视频压缩和传输、虚拟现实技术、遥感图像分析、医学图像处理等领域。图像拼接主要由三个部分组成,图像预处理、图像配准和图像融合。图像拼接成功与否主要取决于图像的配准。基于特征的图像配准方法不仅不易受光照、旋转等因素的影响,而且特征像素数量较少,有利于提高速度。Harris算法是目前图像特征点的提取应用最为广泛的一种特征检测算法。该算法思想简单实用,运行稳定性高,对特征明显的角点的检测精度高。但Harris算法的不足之处在于,在提取角点过程中,会提取到噪声点,影响图像配准的准确率,并且图像配准的时间复杂度较高。本文针对这两点,在深入研究Harris角点检测算法的基础上,结合DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪声的基于密度的空间聚类应用)聚类的思想,提出一种DHarris角点检测方法：用Harris算法提取特征点,采用DBSCAN算法对特征点进行聚类,将聚类后标记为噪声点的点去除,剩余特征点即为角点。采用DHarris角点检测方法,设计基于DHarris角点检测的图像拼接,基本思想是：(1)用中值滤波对两幅图像进行预处理；(2)图像配准,采用DHarris角点检测方法检测出相应的角点,用NCC计算角点的最大相关系数,找出两幅图像的匹配点,用RANSAC方法去除外点,求出两幅图像的变换模型；(3)采用渐入渐出加权融合法进行图像融合。实验结果表明,利用DHarris角点检测方法进行特征提取时,去除一些噪声点,提高图像匹配的准确率；同时总体上减少了待匹配的角点的个数,提高了图像配准的效率。