優(yōu)秀畢業(yè)設(shè)計(論文)舉例

1、拍攝圖片的圖像拼接技術(shù)研究劉文亮i 李輝2(1.東北電力大學(xué)電氣工程學(xué)院電子信息工程專業(yè)12屆畢業(yè)生，吉林，吉林132012； 2.東北電力大學(xué)電氣工程學(xué)院，吉林，吉林132012)摘要：本文主要介紹了圖像拼接技術(shù)的相關(guān)知識，然后對圖像拼接及其關(guān)鍵技術(shù)進(jìn)行了概括和總結(jié)。介紹 了圖像的采集、拼接的流程以及常見的圖像變換模型，并且對比兩種圖像拼接方法：基于角點的圖 像拼接和基于sift的圖像拼接。對比英優(yōu)缺點，最后總結(jié)出更適合的方法。同時介紹了圖像的采集、 拼接的流程以及常見的圖像變換模型，總結(jié)了圖像配準(zhǔn)和圖像融合的主要方法等。該技術(shù)的實現(xiàn)主 要是借助matlab軟件實現(xiàn)。關(guān)鍵詞：圖像拼接；圖像配

2、準(zhǔn)；圖像融合中圖分類號：tm 713文獻(xiàn)標(biāo)識碼：a圖像拼接技術(shù)就是將數(shù)張冇重疊部分的圖像(可能是不同時間、不同視和或者不同傳感器 獲得的)拼成一幅人型的無縫高分辨率圖像的技術(shù)。使用普通相機(jī)獲取寬視野的場景圖像時，因 為相機(jī)的分辨率一定，拍攝的場景越大，得到的圖像分辨率就越低；而全景相機(jī)、廣角鏡頭等 不僅非常昂貴，而且失真也比較嚴(yán)重。為了在不降低圖像分辨率的條件下獲収超寬視角甚至 360°的全景圖，利用計算機(jī)進(jìn)行圖像拼接被提出并逐漸研究發(fā)展起來。現(xiàn)在，圖像拼接技術(shù) 已經(jīng)成為計算機(jī)圖形學(xué)的研究焦點，被廣泛應(yīng)用于空間探測、遙感圖像處理、醫(yī)學(xué)圖像分析、 視頻壓縮和傳輸、虛擬現(xiàn)實技術(shù)、超分辨率

3、重構(gòu)等領(lǐng)域。2圖像獲取與預(yù)處理序列圖像可以用手持照相機(jī)對拍攝對象平移拍攝，拍攝可以是帶旋轉(zhuǎn)和放縮的，但序列圖 像要有一定的重合區(qū)域。在特征提取之前為了減少干擾和優(yōu)化算法的提取速度，使提取的特征 能更加準(zhǔn)確快速，先對釆集的圖像做小波分解。綜合處理速度少減少原圖像的失真考慮，這里 采用一層小波分解。提収小波分解的低頻分量，這樣不但可以減少高頻的噪聲，還能使圖像的 信息減為原來的1/4,處理速度相對于傳統(tǒng)方法可以提高一倍以上。小波分解結(jié)果如圖1所示。5010015020025030035()100 200 300 4 00 5 00 6 00(a) 一層小波分解(b)低頻分量圖圖1小波分解3圖像拼接

4、的基本流程圖像拼接的方法很多，不同的算法步驟會有一定差界，但大致的過程是相同的，基本流程 如圖2所示。一般來說，圖像拼接主要包括以下五步：1）圖像預(yù)處理。包括數(shù)字圖像處理的基本操作（如去噪、邊緣提取、直方圖處理等）、建立 圖像的匹配模板以及對圖像進(jìn)行某種變換（如傅里葉變換、小波變換等）等操作。2）圖像配準(zhǔn)。就是采用一定的匹配策略，找出待拼接圖像屮的模板或特征點在參考圖像中 對應(yīng)的位置，進(jìn)而確定兩幅圖像之間的變換關(guān)系。3）建立變換模型。根據(jù)模板或者圖像特征之間的對應(yīng)關(guān)系，計算出數(shù)學(xué)模世中的各參數(shù)值, 從而建立兩幅圖像的數(shù)學(xué)變換模型。4）統(tǒng)一處標(biāo)變換。根據(jù)建立的數(shù)學(xué)轉(zhuǎn)換模型，將待拼接圖像轉(zhuǎn)換到參考

5、圖像的朋標(biāo)系中， 完成統(tǒng)一處標(biāo)變換。5）融合重構(gòu)。將帶拼接圖像的重合區(qū)域進(jìn)行融合得到拼接重構(gòu)的平滑無縫全景圖像。圖2圖像拼接基本流程圖4基于特征的圖像配準(zhǔn)圖像拼接的關(guān)鍵是梢確找出相鄰麗張圖像中重疊部分的位置，然后確定兩張圖像的變換關(guān) 系，即圖像配準(zhǔn)。由于視角、拍攝時間、分辨率、光照強(qiáng)度、傳感器類型等的差界，待拼接的 圖像往往存在平移、旋轉(zhuǎn)、尺度變化、透視形變、色差、扭曲、運動目標(biāo)遮擋等差別，配準(zhǔn)的 目的就是找岀一種最能描述待拼接圖像之間映射關(guān)系的變換模型。目前常用的一些空間變換模 型有平移變換、剛性變換、仿射變換以及投影變換等。圖像的平移關(guān)系比較容易檢測和配準(zhǔn)，但旋轉(zhuǎn)和尺度縮放的檢測比較困難。

6、許多新的圖像 配準(zhǔn)算法都是針對這一特點進(jìn)行算法設(shè)計的。圖像配準(zhǔn)算法大體可分為基于特征的圖像配準(zhǔn)和 基于區(qū)域的圖像配準(zhǔn)兩類?；谔卣鞯膱D像拼接是利用圖像的明顯特征來估計圖像之間的變換，而不是利用圖像全部 的信息。這些明顯特征如圖像的特征點（角點或關(guān)鍵點）、輪廓和一些不變矩等。4.1控制點配準(zhǔn)算法圖像的配準(zhǔn)問題可以歸結(jié)為求解對應(yīng)點集。在待配準(zhǔn)的圖像中選収一些特征點，對準(zhǔn)了這 些特征點，兩幅圖像也就配準(zhǔn)了?？刂泣c法往往要借助人工選収初始匹配點，這大大降低了算 法的速度和適用范圍。因此有必要采用一些數(shù)學(xué)方法自動實現(xiàn)圖像間対應(yīng)控制點的選取。4.2自動角點檢測配準(zhǔn)算法這類算法通過檢測圖像中的角點，然后対兩

7、幅圖像的角點按照一定的配準(zhǔn)原則進(jìn)行配準(zhǔn)， 最后剔除誤匹配対，得到正確的配準(zhǔn)結(jié)果。角點沒有明確的數(shù)學(xué)定義。一般認(rèn)為角點是二維圖像亮度變化劇烈的點或圖像邊緣曲線上 曲率極大值的點。這些點在保留圖像圖形重要特征的同時，可以有效地減少信息的數(shù)據(jù)量，使 其信息的含量很高，有效地提高了計算的速度和配準(zhǔn)的可靠性，使得實時處理成為可能。圖像 的介點檢測方法可概括為兩類。第一類方法先將圖像分割為區(qū)域，用鏈碼表示目標(biāo)邊界，然后 通過方向變化確定角點。這種方法的主要缺點是角點檢測的結(jié)果依賴于前面的圖像分割結(jié)果。 第二類方法直接對圖像灰度級進(jìn)行操作，這些方法主要利用梯度和曲率度量檢測角點。4.3基于sift的配準(zhǔn)算法

8、2004年，lowe總結(jié)了已有基于不變量技術(shù)的特征檢測方法，正式提出了一種基于尺度空 間的，対圖像平移、旋轉(zhuǎn)、縮放、甚至仿射變換保持不變性的圖像局部特征，即sift特征。 卞面詳細(xì)介紹一下sift特征的提収過程，并討論sift算法的特點。4.3.1 sift算法步驟1、檢測尺度空間極值點，初步確定關(guān)鍵點的位置和所在尺度。圖像i(x, y)在不同尺度下 的尺度空間可表示為圖像與高斯核的卷積:l(x, y, o)=g(x, y, o)xl(x, y)其中:g(x, y, o)=l/(27to2)e-(x2+y2) /2o2是尺度可變高斯函數(shù)；(x, y)是圖像像素位置；。為尺度空間因子。 為了有效

9、地在尺度空間檢測到穩(wěn)定的關(guān)鍵點，lowe在圖像平血空間和dog尺度空間同時檢測 局部極值以作為特征點。dog算子定義為兩個不同尺度的高斯核的差分：d(x,y,a)=g(x,y,ko)-g(x,y,a)xi(x,y)=l(x,y,ko)-l(x,y,o)(4-1)2、精確確定關(guān)鍵點的位置和尺度，同時剔除低對比度的關(guān)鍵點和不穩(wěn)定的邊緣響應(yīng)點。3、分配關(guān)鍵點方向。利用關(guān)鍵點鄰域像素的梯度方向分布特性為毎個關(guān)鍵點指定方向參 數(shù)，保證sift算子的旋轉(zhuǎn)不變性。關(guān)鍵點所在尺度的梯度模值和方向為：m(x, y)=l(x+l, y)-l(x-l, y)2+l(x, y+l)-l(x, y-1)2(4-2)9(

10、x, y)=tan_1 l(x, y+l)-l(x, y-1) /l(x+1, y)-l(x-l, y)(4-3)4、牛成關(guān)鍵點描述子。將處標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點的方向，然后以關(guān)鍵點為中心取8x8的窗 口，計算每個4x4的小塊上八個方向的梯度方向直方圖，每個梯度方向的累加值形成一個種子 點。實際計算過程中，為了增強(qiáng)匹配的穩(wěn)健性，lowe建議對每個關(guān)鍵點使用4x4共16個種子 點來描述。這樣對于一個關(guān)鍵點就可以產(chǎn)生128個數(shù)據(jù)，形成128維的sift特征向最。5、生成兩輔圖像的sift特征向最后，采用關(guān)鍵點特征向最的歐式距離作為兩幅圖像中關(guān) 鍵點的相似性判定準(zhǔn)則。得到滿足準(zhǔn)則的sift匹配點對。6、根

11、據(jù)得到的sift匹配點対計算出圖像的變換參數(shù)。7、進(jìn)行拼接融合得到全景圖像。sift特征是圖像的局部特征，對旋轉(zhuǎn)、尺度縮放、亮度 變化保持不變性，對視角變化、仿射變換、噪聲也具有一定的魯棒性。5圖像的融合圖像融合是圖像拼接的另一個關(guān)鍵技術(shù)。圖像融合是將兩幅已配準(zhǔn)圖像中有用信息綜合到 一幅圖像中并以可視化方法顯示的技術(shù)。配準(zhǔn)后的圖像山于分辨率和視角的不同以及光照等因 素的影響，有時甚至是多光譜圖像之間進(jìn)行的拼接，在圖像拼接的重疊部分有時會產(chǎn)牛模糊、 鬼影或噪聲點，邊界處也可能形成明顯的拼縫。為了改善拼接圖像的視覺效果和客觀質(zhì)量，需 要對拼接后的圖像進(jìn)行融合。結(jié)論本文介紹了圖像拼接技術(shù)的相關(guān)技術(shù)和

12、研究現(xiàn)狀，總結(jié)了圖像配準(zhǔn)和圖像融合的主要方 法，并分析了各種配準(zhǔn)算法的優(yōu)缺點。本文選収了基于角點的圖像拼接技術(shù)，因為sift運算 量太大，程序運行時間長，不適用于圖像拼接，但可以使用它來提収特征點，之后用角點的方 法來拼接圖像，這樣拼接出來的效果會更好，所以運用角點來拼接圖像是兩種方案里最理想的。 展望未來，圖像拼接技術(shù)應(yīng)該在提高算法的運算速度、拼接精度、h動化程度和魯棒性等方面 進(jìn)行深入研究。參考文獻(xiàn)1. 吳銘.用于圖像拼接的特征提取算法研究j.計算機(jī)工程與設(shè)計，2009： 252. 李曉娟.圖像拼接技術(shù)研究d.西安電子科技大學(xué)，20073. rafael c.gonzalez,richar

13、d e.woods.數(shù)字圖象處理(matlab版).北京：電子工業(yè)出版社， 20074. s.gumustekin, r.w.hall.mosaic image generation on a flattened gaussian spherej.in proc.of ieee workshop on applications of computer vision, 1996： 50555. 李志偉，蘇志勛.圖像拼接技術(shù)中若干問題的研究d.大連理工大學(xué).20056. 王娟，師軍，吳憲祥.圖像拼接技術(shù)綜述d.西安電子科技大學(xué)，20087. 鄭欽，蔡漢添.基于多分辨率的圖像拼接技術(shù)d.華南理工大學(xué)

14、，2005image mosaicing technique and researchliu wenliang1 li hui2(1.electrical engineerng college of northeast dianli university, jilin city,ji 1 inprovince, china, 132012 : 2. electrical engineering col lege of northeast dianli university, jilin city, ji 1 inprovince, china,132012)abstract： this art

15、icle mainly introduced the image mosaicing technique of relevant knowledge, and then the image mosaicing and key technology are summarized. introducing the image collection, a series of process and comm on image transformation model, and comparing the two kinds of image matching methods: based on th

16、e corner, and based on image mosaicing sift. comparing the advantages and disadvantages, and fin ally summarizing a more suitable method. at the same time introducing the image collection, a series of process and common image transformation model, summarizing the image registration and the main method of