旋轉(zhuǎn)式全景圖像拼接算法研究.pdf

1、全景圖像拼接技術(shù)解決了將同一場(chǎng)景的多幅具有一定重疊區(qū)域的小分辨率圖像，通過(guò)圖像拼接得到高分辨率全景圖像的問(wèn)題。其過(guò)程主要包括特征點(diǎn)檢測(cè)和圖像配準(zhǔn)兩個(gè)部分。特征點(diǎn)檢測(cè)用于提取圖像中關(guān)鍵點(diǎn)，是圖像配準(zhǔn)的前提。圖像配準(zhǔn)解決了通過(guò)尋找圖像間的變換矩陣，將其中一幅圖像映射到另一幅圖像坐標(biāo)系下的問(wèn)題。本文將重點(diǎn)在圖像的特征點(diǎn)檢測(cè)和圖像配準(zhǔn)上展開(kāi)研究。在圖像特征點(diǎn)檢測(cè)階段，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)傳統(tǒng)的SURF特征點(diǎn)檢測(cè)算子檢測(cè)到大量冗余的圖像特征點(diǎn)，多余特征點(diǎn)

2、造成大量的時(shí)間消耗在描述子生成以及匹配過(guò)程中，針對(duì)該情況本文提出了一種基于神經(jīng)網(wǎng)絡(luò)的SURF閾值估算的方法，在保證拼接效果的前提下降低檢測(cè)到的圖像特征點(diǎn)數(shù)量。在圖像配準(zhǔn)階段通過(guò)KNN最近鄰算法進(jìn)行粗匹配，然后用RANSAC算法對(duì)特征點(diǎn)對(duì)進(jìn)行提純來(lái)求解單應(yīng)性矩陣，最后采用加權(quán)平均法融合生成拼接圖像。
　　研究?jī)?nèi)容歸納如下:
　　1.采用基于KNN和RANSAC結(jié)合的圖像誤匹配去除算法。算法選用SURF特征作為待拼接圖像的配準(zhǔn)依