二维图像拼接技术Word下载.docx

二维图像拼接技术Word下载.docx

《二维图像拼接技术Word下载.docx》由会员分享，可在线阅读，更多相关《二维图像拼接技术Word下载.docx（12页珍藏版）》请在冰豆网上搜索。

同组人姓名：

摘要：

在实际应用中，经常会用到超过人眼视野范围甚至是全方位的高分辨率图像，普通数码相机的视野范围往往难以满足要求。

为了得到大视野范围的图像，人们使用广角镜头和扫描式相机进行拍摄。

但这些设备往往价格昂贵、使用复杂，此外，广角镜头的图像边缘会难以避免的产生扭曲变形，不利于一些场合的应用。

为了在不降低图像分辨率的条件下获取大视野范围的图像，人们提出了图像拼接技术，将普通图像或视频图像进行无缝拼接，得到超宽视角甚至360度的全景图，这样就可以用普通数码相机实现场面宏大的景物拍摄。

利用计算机进行匹配，将多幅具有重叠关系的图像拼合成为一幅具有更大视野范围的图像，这就是图像拼接的目的。

图像拼接解决的问题一般式，通过对齐一系列空间重叠的图像，构成一个无缝的、高清晰的图像，它具有比单个图像更高的分辨率和更大的视野。

最初主要是对大量航拍或卫星的图像的整合,也可运用于军事领域网的夜视成像技术,。

利用图像拼接技术，拼接机器人双目采集的图像，可以增大机器人的视野，给机器人的视觉导航提供方便。

在虚拟现实领域中，人们可以利用图像拼接技术来得到宽视角的图像或360度全景图像，用来虚拟实际场景。

在医学图像处理方面，把相邻的各幅图像拼接起来是实现远程数据测量和远程会诊的关键环节圆。

在遥感技术领域中，图像拼接技术的应用也日益广泛。

通过本课题的研究，初步了解图像拼接技术的基本应用，并了解sift语言的应用，将两幅具有相同特征点的图拼接在一起，实现二维图像的初步拼接处理。

关键词：

图像获取，图像配准，图像融合，图像合成，SIFT。

一、设计的任务和目的

二维和三维图像测量方法，具有非接触,自扫描,高精度的优点，已得到广泛应用。

但在保证高精度的条件下，要实现大范围,多参数测量，单纯提高摄像机性能往往受到限制，而且成本高。

图像拼接技术能够实现上述测量目的，达到较高的性能价格比。

二维图像拼接是利用已获得的多幅被测物图像，提取图像间的公共特性，并通过公共特征将多图数据统一到同一坐标下，从而挖掘出数据中的深层次信息。

二维图像拼接依据特征信息提取方法的不同，可以分为基于区域和基于特征两种。

基于区域的拼接一般通过求相关系数实现，计算量大，运行时间长。

基于特征的拼接可以提取有旋转,平移,缩放不变性的不变量，具有快速,准确的特点，在工业测量中还可人为加入特制标记，使测量更有实用性。

图像拼接的关键是精确找出相邻图像中重叠部分的位置，然后确定两张图像的变换关系，然后进行拼接和拼缝融合。

但是由于照相机受环境和硬件等条件影响，所要拼接的图像往往存在平移、旋转、大小、色差及其组合的形变与扭曲等差别。

本设计采用基于特征的图像拼接技术，首先对图像进行轮廓提取，然后再对提取的轮廓进行匹配，从而确定重叠位置，最后对重叠部分进行融合，完成将两幅有重叠的图像拼合成一张大尺寸图。

二、设计原理

1.图像拼接算法的分类

图像拼接的质量，主要依赖图像的配准程度，因此图像的配准是拼接算法的核心和关键。

根据图像匹配方法的不同，一般可以将图像拼接算法分为以下两个类型：

基于区域相关的拼接算法。

（1）这是最为传统和最普遍的算法。

基于区域的配准方法是从待拼接图像的灰度值出发，对待配准图像中一块区域与参考图像中的相同尺寸的区域使用最小二乘法或者其它数学方法计算其灰度值的差异，对此差异比较后来判断待拼接图像重叠区域的相似程度，由此得到待拼接图像重叠区域的范围和位置，从而实现图像拼接。

也可以通过FFT变换将图像由时域变换到频域，然后再进行配准。

对位移量比较大的图像，可以先校正图像的旋转，然后建立两幅图像之间的映射关系。

（2）当以两块区域像素点灰度值的差别作为判别标准时，最简单的一种方法是直接把各点灰度的差值累计起来。

这种办法效果不是很好，常常由于亮度、对比度的变化及其它原因导致拼接失败。

另一种方法是计算两块区域的对应像素点灰度值的相关系数，相关系数越大，则两块图像的匹配程度越高。

该方法的拼接效果要好一些，成功率有所提高。

基于特征相关的拼接算法。

（1）基于特征的配准方法不是直接利用图像的像素值，而是通过像素导出图像的特征，然后以图像特征为标准，对图像重叠部分的对应特征区域进行搜索匹配，该类拼接算法有比较高的健壮性和鲁棒性。

（2）基于特征的配准方法有两个过程：

特征抽取和特征配准。

首先从两幅图像中提取灰度变化明显的点、线、区域等特征形成特征集。

然后在两幅图像对应的特征集中利用特征匹配算法尽可能地将存在对应关系的特征对选择出来。

一系列的图像分割技术都被用到特征的抽取和边界检测上。

如canny算子、拉普拉斯高斯算子、区域生长。

抽取出来的空间特征有闭合的边界、开边界、交叉线以及其他特征。

特征匹配的算法有：

交叉相关、距离变换、动态编程、结构匹配、链码相关等算法。

2.图像拼接

图像拼接技术主要有三个主要步骤：

图像预处理、图像配准、图像融合与边界平滑。

图1图像拼接的步骤

图像拼接技术主要分为三个主要步骤：

图像预处理、图像配准、图像融合与边界平滑，图像预处理主要指对图像进行几何畸变校正和噪声点的抑制等，让参考图像和待拼接图像不存在明显的几何畸变。

在图像质量不理想的情况下进行图像拼接，如果不经过图像预处理，很容易造成一些误匹配。

图像预处理主要是为下一步图像配准做准备，让图像质量能够满足图像配准的要求。

图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息中寻找最佳的匹配，完成图像间的对齐。

图像拼接的成功与否主要是图像的配准。

待拼接的图像之间，可能存在平移、旋转、缩放等多种变换或者大面积的同色区域等很难匹配的情况，一个好的图像配准算法应该能够在各种情况下准确找到图像间的对应信息，将图像对齐。

图像融合指在完成图像匹配以后，对图像进行缝合，并对缝合的边界进行平滑处理，让缝合自然过渡。

由于任何两幅相邻图像在采集条件上都不可能做到完全相同，因此，对于一些本应该相同的图像特性，如图像的光照特性等，在两幅图像中就不会表现的完全一样。

图像拼接缝隙就是从一幅图像的图像区域过渡到另一幅图像的图像区域时，由于图像中的某些相关特性发生了跃变而产生的。

图像融合就是为了让图像间的拼接缝隙不明显，拼接更自然。

●图像的预处理

1.图像的校正

当照相系统的镜头或者照相装置没有正对着待拍摄的景物时候，那么拍摄到的景物图像就会产生一定的变形。

这是几何畸变最常见的情况。

另外，由于光学成像系统或电子扫描系统的限制而产生的枕形或桶形失真，也是几何畸变的典型情况。

几何畸变会给图像拼接造成很大的问题，原本在两幅图像中相同的物体会因为畸变而变得不匹配，这会给图像的配准带来很大的问题。

因此，解决几何畸变的问题显得很重要。

图象校正的基本思路是，根据图像失真原因，建立相应的数学模型，从被污染或畸变的图象信号中提取所需要的信息，沿着使图象失真的逆过程恢复图象本来面貌。

实际的复原过程是设计一个滤波器，使其能从失真图象中计算得到真实图象的估值，使其根据预先规定的误差准则，最大程度地接近真实图象。

2.图像噪声的抑制

图像噪声可以理解为妨碍人的视觉感知，或妨碍系统传感器对所接受图像源信息进行理解或分析的各种因素，也可以理解成真实信号与理想信号之间存在的偏差。

一般来说，噪声是不可预测的随机信号，通常采用概率统计的方法对其进行分析。

噪声对图像处理十分重要，它影响图像处理的各个环节，特别在图像的输入、采集中的噪声抑制是十分关键的问题。

若输入伴有较大的噪声，必然影响图像拼接的全过程及输出的结果。

根据噪声的来源，大致可以分为外部噪声和内部噪声；

从统计数学的观点来定义噪声，可以分为平稳噪声和非平稳噪声。

各种类型的噪声反映在图像画面上，大致可以分为两种类型。

一是噪声的幅值基本相同，但是噪声出现的位置是随机的，一般称这类噪声为椒盐噪声。

另一种是每一点都存在噪声，但噪声的幅值是随机分布的，从噪声幅值大小的分布统计来看，其密度函数有高斯型、瑞利型，分别成为高斯噪声和瑞利噪声，又如频谱均匀分布的噪声称为白噪声等。

●图像配准

1.图像配准的概念：

（1）图像配准简而言之就是图像之间的对齐。

图像配准定义为:

对从不同传感器或不同时间或不同角度所获得的两幅或多幅图像进行最佳匹配的处理过程。

为了更清楚图像配准的任务，我们将图像配准问题用更精确的数学语言描述出来。

配准可以用描述为如下的问题:

给定同一景物的从不同的视角或在不同的时间获取的两个图像I,I和两个图像间的相似度量S（I,I）,找出I,I中的同名点，确定图像间的最优变换T,使得S（T（I）,I）达到最大值。

（2）图像配准总是相对于多幅图像来讲的，在实际工作中，通常取其中的一幅图像作为配准的基准,称它为参考图,另一幅图像,为搜索图。

图像配准的一般做法是，首先在参考图上选取以某一目标点为中心的图像子块，并称它为图像配准的模板，然后让模板在搜索图上有秩序地移动，每移到一个位置，把模板与搜索图中的对应部分进行相关比较，直到找到配准位置为止。

（3）如果在模板的范围内，同一目标的两幅图像完全相同，那么完成图像配准并不困难。

然而，实际上图像配准中所遇到的同一目标的两幅图像常常是在不同条件下获得的，如不同的成像时间、不同的成像位置、甚至不同的成像系统等，再加上成像中各种噪声的影响，使同一目标的两幅图像不可能完全相同，只能做到某种程度的相似，因此图像配准是一个相当复杂的技术过程。

2.基于区域的配准（分层比较法）

（1）图像处理的塔形（或称金字塔:

Pyramid）分解方法把原始图像分解成许多不同空间分辨率的子图像，高分辨率（尺寸较大）的子图像放在下层，低分辨率（尺寸较小）的图像放在上层，从而形成一个金字塔形状。

（2）在逐一比较法的思想上，为减少运算量，引入了塔形处理的思想，提出了分层比较法。

利用图像的塔形分解，可以分析图像中不同大小的物体。

同时，通过对低分辨率、尺寸较小的上层进行分析所得到的信息还可以用来指导对高分辨率、尺寸较大的下层进行分析，从而大大简化分析和计算。

分层比较法的具体实现步骤如下:

（1）将待匹配的两幅图像中22邻域内的像素点的像素值分别取平均，作为这一区域（22）像素值，得到分辨率低一级的图像。

然后，将此分辨率低一级的图像再作同样的处理，也就是将低一级的图像44邻域内的像素点的像素值分别取平均，作为这一区域（4 

4）点的像素值，得到分辨率更低一级的图像。

依次处理，得到一组分辨率依次降低的图像。

（2）从待匹配的两幅图像中分辨率最低的开始进行匹配搜索，由于这两幅图像像素点的数目少，图像信息也被消除一部分，因此，此匹配位置是不精确的。

所以，在分辨率更高一级的图像中搜索时，应该在上一次匹配位置的附近进行搜索。

依次进行下去，直到在原始图像中寻找到精确的匹配位置。

分层比较法的优点:

（1）该算法思路简单，容易理解，易于编程实现。

（2）该算法的搜索空间比逐一比较要少，在运算速度较逐一比较法有所提高。

3．基于特征的配准

3.1比值匹配法

　　比值匹配法算法思路是利用图像中两列上的部分像素的比值作为模板，即在参考图像T的重叠区域中分别在两列上取出部分像素，用它们的比值作为模板，然后在搜索图S中搜索最佳的匹配。

匹配的过程是在搜索图S中，由左至右依次从间距相同的两列上取出部分像素，并逐一计算其对应像素值比值;

然后将这些比值依次与模板进行比较，其最小差值对应的列就是最佳匹配。

这样在比较中只利用了一组数据，而这组数据利用了两列像素及其所包含的区域的信息。

该算法的具体实现步骤如下:

（1）在参考图像T中间隔为c个像素的距离上的两列像素中，各取m个像素，计算这m个像素的比值，将m个比值存入数组中，将其作为比较的模板。

（2）从搜索图S