优秀毕业设计(论文)举例

拍摄图片的图像拼接技术研究 刘文亮1  李辉2 (1.东北电力大学电气工程学院电子信息工程专业12届毕业生，吉林，吉林 132012；2. 东北电力大学电气工程学院，吉林，吉林 132012) 摘  要：本文主要介绍了图像拼接技术的相关知识，然后对图像拼接及其关键技术进行了概括和。介绍了图像的采集、拼接的流程以及常见的图像变换模型，并且对比两种图像拼接方法：基于角点的图像拼接和基于SIFT的图像拼接。对比其优缺点，最后总结出更适合的方法。同时介绍了图像的采集、拼接的流程以及常见的图像变换模型，总结了图像配准和图像融合的主要方法等。该技术的实现主要是借助MATLAB软件实现。    关键词：图像拼接；图像配准；图像融合 中图分类号：TM 713     文献标识码：A 1 引 言 图像拼接技术就是将数张有重叠部分的图像(可能是不同时间、不同视角或者不同传感器获得的)拼成一幅大型的无缝高分辨率图像的技术。使用普通相机获取宽视野的场景图像时，因为相机的分辨率一定，拍摄的场景越大，得到的图像分辨率就越低；而全景相机、广角镜头等不仅非常昂贵，而且失真也比较严重。为了在不降低图像分辨率的条件下获取超宽视角甚至360°的全景图，利用计算机进行图像拼接被提出并逐渐研究发展起来。现在，图像拼接技术已经成为计算机图形学的研究焦点，被广泛应用于空间探测、遥感图像处理、医学图像分析、视频压缩和传输、虚拟现实技术、超分辨率重构等领域。    2 图像获取与预处理 序列图像可以用手持照相机对拍摄对象平移拍摄，拍摄可以是带旋转和放缩的，但序列图像要有一定的重合区域。在特征提取之前为了减少干扰和优化算法的提取速度，使提取的特征能更加准确快速，先对采集的图像做小波分解。综合处理速度与减少原图像的失真考虑，这里采用一层小波分解。提取小波分解的低频分量，这样不但可以减少高频的噪声，还能使图像的信息减为原来的1/4，处理速度相对于传统方法可以提高一倍以上。小波分解结果如图1所示。 (a) 一层小波分解                        (b) 低频分量图 图1 小波分解 3 图像拼接的基本流程 图像拼接的方法很多，不同的算法步骤会有一定差异，但大致的过程是相同的，基本流程如图2所示。一般来说，图像拼接主要包括以下五步： 1)图像预处理。包括数字图像处理的基本操作(如去噪、边缘提取、直方图处理等)、建立图像的匹配以及对图像进行某种变换(如傅里叶变换、小波变换等)等操作。   2)图像配准。就是采用一定的匹配策略，找出待拼接图像中的模板或特征点在参考图像中对应的位置，进而确定两幅图像之间的变换关系。   3)建立变换模型。根据模板或者图像特征之间的对应关系，计算出数学模型中的各参数值，从而建立两幅图像的数学变换模型。   4)统一坐标变换。根据建立的数学转换模型，将待拼接图像转换到参考图像的坐标系中，完成统一坐标变换。   5)融合重构。将带拼接图像的重合区域进行融合得到拼接重构的平滑无缝全景图像。 图2 图像拼接基本流程图 4 基于特征的图像配准 图像拼接的关键是精确找出相邻丽张图像中重叠部分的位置，然后确定两张图像的变换关系，即图像配准。由于视角、拍摄时间、分辨率、光照强度、传感器类型等的差异，待拼接的图像往往存在平移、旋转、尺度变化、透视形变、色差、扭曲、运动目标遮挡等差别，配准的目的就是找出一种最能描述待拼接图像之间映射关系的变换模型。目前常用的一些空间变换模型有平移变换、刚性变换、仿射变换以及投影变换等。 图像的平移关系比较容易检测和配准，但旋转和尺度缩放的检测比较困难。许多新的图像配准算法都是针对这一特点进行算法设计的。图像配准算法大体可分为基于特征的图像配准和基于区域的图像配准两类。 基于特征的图像拼接是利用图像的明显特征来估计图像之间的变换，而不是利用图像全部的信息。这些明显特征如图像的特征点(角点或关键点)、轮廓和一些不变矩等。 4.1 控制点配准算法 图像的配准问题可以归结为求解对应点集。在待配准的图像中选取一些特征点，对准了这 些特征点，两幅图像也就配准了。控制点法往往要借助人工选取初始匹配点，这大大降低了算法的速度和适用范围。因此有必要采用一些数学方法自动实现图像间对应控制点的选取。 4.2 自动角点检测配准算法 这类算法通过检测图像中的角点，然后对两幅图像的角点按照一定的配准原则进行配准，最后剔除误匹配对，得到正确的配准结果。 角点没有明确的数学定义。一般认为角点是二维图像亮度变化剧烈的点或图像边缘曲线上曲率极大值的点。这些点在保留图像图形重要特征的同时，可以有效地减少信息的数据量，使其信息的含量很高，有效地提高了计算的速度和配准的可靠性，使得实时处理成为可能。图像的角点检测方法可概括为两类。第一类方法先将图像分割为区域，用链码表示目标边界，然后通过方向变化确定角点。这种方法的主要缺点是角点检测的结果依赖于前面的图像分割结果。第二类方法直接对图像灰度级进行操作，这些方法主要利用梯度和曲率度量检测角点。 4.3 基于SIFT的配准算法 2004年，Lowe总结了已有基于不变量技术的特征检测方法，正式提出了一种基于尺度空间的，对图像平移、旋转、缩放、甚至仿射变换保持不变性的图像局部特征，即SIFT特征。下面详细介绍一下SIFT特征的提取过程，并讨论SIFT算法的特点。 4.3.1 SIFT算法步骤 1、检测尺度空间极值点，初步确定关键点的位置和所在尺度。图像I(x，y)在不同尺度下的尺度空间可表示为图像与高斯核的卷积：L(x，y，σ)=G(x，y，σ)×I(x，y)其中：G(x，y，σ)=1/(2πσ2)e-(x2+y2) /2σ2是尺度可变高斯函数；(x，y)是图像像素位置；σ为尺度空间因子。为了有效地在尺度空间检测到稳定的关键点，Lowe在图像平面空间和DoG尺度空间同时检测局部极值以作为特征点。DoG算子定义为两个不同尺度的高斯核的差分： D(x,y,σ)=[G(x,y,kσ)-G(x,y,σ)]×I(x,y)=L(x,y,kσ)-L(x,y,σ)      （4-1） 2、精确确定关键点的位置和尺度，同时剔除低对比度的关键点和不稳定的边缘响应点。 3、分配关键点方向。利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，保证SIFT算子的旋转不变性。关键点所在尺度的梯度模值和方向为： m(x，y)=[L(x+1，y)-L(x-1，y)]2+[L(x，y+1)-L(x，y-1)]2      （4-2） θ(x，y)=tan {[L(x，y+1)-L(x，y-1)] /L(x+1，y)-L(x-1，y)]}  （4-3） 4、生成关键点描述子。将坐标轴旋转为关键点的方向，然后以关键点为中心取8×8的窗口，计算每个4×4的小块上八个方向的梯度方向直方图，每个梯度方向的累加值形成一个种子点。实际计算过程中，为了增强匹配的稳健性，Lowe建议对每个关键点使用4×4共16个种子点来描述。这样对于一个关键点就可以产生128个数据，形成128维的SIFT特征向量。 5、生成两幅图像的SIFT特征向量后，采用关键点特征向量的欧式距离作为两幅图像中关键点的相似性判定准则。得到满足准则的SIFT匹配点对。 6、根据得到的SIFT匹配点对计算出图像的变换参数。 7、进行拼接融合得到全景图像。SIFT特征是图像的局部特征，对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也具有一定的鲁棒性。 5 图像的融合 图像融合是图像拼接的另一个关键技术。图像融合是将两幅已配准图像中有用信息综合到一幅图像中并以可视化方法显示的技术。配准后的图像由于分辨率和视角的不同以及光照等因素的影响，有时甚至是多光谱图像之间进行的拼接，在图像拼接的重叠部分有时会产生模糊、鬼影或噪声点，边界处也可能形成明显的拼缝。为了改善拼接图像的视觉效果和客观质量，需要对拼接后的图像进行融合。 结  论 本文介绍了图像拼接技术的相关技术和研究现状，总结了图像配准和图像融合的主要方法，并分析了各种配准算法的优缺点。本文选取了基于角点的图像拼接技术，因为SIFT运算量太大，程序运行时间长，不适用于图像拼接，但可以使用它来提取特征点，之后用角点的方法来拼接图像，这样拼接出来的效果会更好，所以运用角点来拼接图像是两种里最理想的。展望未来，图像拼接技术应该在提高算法的运算速度、拼接精度、自动化程度和鲁棒性等方面进行深入研究。 参考文献 1. 吴铭. 用于图像拼接的特征提取算法研究[J].计算机工程与设计，2009：2~5 2. 李晓娟. 图像拼接技术研究[D]. 西安电子科技大学，2007 3. Rafael C.Gonzalez,Richard E.Woods.数字图象处理（MATLAB版）.北京：电子工业出版社，2007 4. S.Gumustekin，R.W.Hall.Mosaic image generation on a flattened gaussian Sphere[J].In Proc.Of IEEE Workshop on Applications of Computer Vision，1996：50~55 5. 李志伟，苏志勋.图像拼接技术中若干问题的研究[D] .大连理工大学.2005 6. 王娟，师军，吴宪祥.图像拼接技术综述[D].西安电子科技大学，2008 7. 郑钦，蔡汉添.基于多分辨率的图像拼接技术[D] .华南理工大学，2005 Image mosaicing technique and research Liu Wenliang1  Li Hui2 (1.Electrical Engineering College of Northeast Dianli University,Jilin City,JilinProvince,China,132012；2. Electrical Engineering College of Northeast Dianli University,Jilin City,JilinProvince,China,132012)