題-1_100_100.jpg)
基本信息
- 項目名稱：
- 基于尺度聚類仿射過濾的圖像拼接算法
- 小類：
- 信息技術(shù)
- 簡介：
- 本文提出一種基于尺度聚類的特征點仿射過濾方法及其相應(yīng)的拼接算法。利用圖像的SIFT特征點的位置和尺度作為向量，通過對不同尺度特征點進(jìn)行聚類分析具有較好穩(wěn)定性的全局仿射變換，通過改變換對匹配特征點進(jìn)行一致性過濾，并針對該方法的在圖像拼接時遇到的問題，構(gòu)建了一種基于網(wǎng)格覆蓋的拼接算法提高拼接擬合度和穩(wěn)定性，
- 詳細(xì)介紹：
- 由于圖片拍攝角度、相機參數(shù)和拍攝環(huán)境不同，局部匹配生成的仿射變換對會導(dǎo)致誤差較大的拼接。如何構(gòu)建一種方法，既能有效剔除錯誤匹配點，也能找到較優(yōu)的全局匹配對，還能保持算法過濾匹配點數(shù)量的穩(wěn)定，是解決這一問題的關(guān)鍵。 本文通過實驗對算法進(jìn)行測試，在實驗過程中，為度量過濾結(jié)果穩(wěn)定性和邊緣拼接效果，本文采用特征點骨架圖和相應(yīng)的函數(shù)對拼接效果進(jìn)行量化，實驗結(jié)果表明本文提出的算法在圖像拼接過程中具有較好的穩(wěn)定性和擬合度，具有較好的實用價值。
作品專業(yè)信息
撰寫目的和基本思路
- 提出一種基于尺度聚類的特征點仿射過濾方法及其相應(yīng)的拼接算法。本文利用圖像的SIFT特征點的位置和尺度組合成數(shù)據(jù)向量，通過對不同尺度特征點進(jìn)行聚類分析得到具有較好穩(wěn)定性的全局仿射變換，通過該變換對匹配特征點進(jìn)行一致性過濾，并對圖像拼接過程中出現(xiàn)的問題，構(gòu)建了一種基于網(wǎng)格覆蓋的拼接算法提高拼接擬合度和穩(wěn)定性。
科學(xué)性、先進(jìn)性及獨特之處
- 本文提出一種基于尺度聚類的特征點過濾方法對匹配特征點進(jìn)行過濾，使得在過濾過程中過濾后特征點不僅要有效剔除錯誤匹配點，同時具備較好位置和數(shù)量的穩(wěn)定性以及分布的全局性。此外，在此基礎(chǔ)上本文還構(gòu)建了相應(yīng)的邊緣拼接的方法來提高圖像拼接穩(wěn)定性和擬合度。
應(yīng)用價值和現(xiàn)實意義
- 利用本文提出一種基于尺度聚類的特征點過濾方法對匹配特征點進(jìn)行過濾，使得在過濾過程中過濾后特征點不僅要有效剔除錯誤匹配點，同時具備較好位置和數(shù)量的穩(wěn)定性以及分布的全局性。通過改變換對匹配特征點進(jìn)行一致性過濾，并針對該方法的在圖像拼接時遇到的問題，構(gòu)建了一種基于網(wǎng)格覆蓋的拼接算法提高拼接擬合度和穩(wěn)定性。圖像特征點對圖像進(jìn)行拼接成為目前商業(yè)和研究的主要方法。
學(xué)術(shù)論文摘要
- 提出一種基于尺度聚類的特征點仿射過濾方法及其相應(yīng)的拼接算法。本文利用圖像的SIFT特征點的位置和尺度組合成數(shù)據(jù)向量，通過對不同尺度特征點進(jìn)行聚類分析得到具有較好穩(wěn)定性的全局仿射變換，通過該變換對匹配特征點進(jìn)行一致性過濾，并對圖像拼接過程中出現(xiàn)的問題，構(gòu)建了一種基于網(wǎng)格覆蓋的拼接算法提高拼接擬合度和穩(wěn)定性，本文通過實驗對算法進(jìn)行測試，在實驗過程中，為度量過濾結(jié)果穩(wěn)定性和邊緣拼接效果，本文構(gòu)建了相應(yīng)的視覺和定量評價指標(biāo)來對比算法性能，實驗結(jié)果表明本文提出的算法在圖像拼接過程中具有較好的穩(wěn)定性和擬合度，具有較好的實用價值。
獲獎情況
- 被《東北大學(xué)學(xué)報》錄用
鑒定結(jié)果
- 無
參考文獻(xiàn)
- [1]BrownM, Lowe D G. Recognizing panoramas[A ]. In: Proceedings of the Ninth IEEE International Conference on Computer Vision -Volume 2 [C ] , Washington, DC, USA, 2003: 1218～1225. [2]Shum H Y, Szeliski R. Panoramic Image Mosaics[ R ]. MSR - TR -97 - 23, Microsoft Research Center. [3] Szeliski R, Kang S. Direct methods for visual scene reconstruction 342 中國圖象圖形學(xué)報[A]. In: IEEE Workshop on Representations of Visual Scenes[ C ] ,Cambridge, Massachusetts, USA, 1995: 26～33. [4] ZHAO Xiang - yang, Du Li - min. An automatic and robust image mosaic algorithm[ J ]. Journal of Image and Graphics, 2004, 9 (4) :417～422. [趙向陽, 杜立民. 一種全自動穩(wěn)健的圖像自動拼接融合算法[ J ]. 中國圖象圖形學(xué)報, 2004, 9 (4) : 417～422. ] [5] 解凱,郭恒業(yè),張?zhí)镂? 圖像Mosaics技術(shù)綜述[J]. 電子學(xué)報. 2004,32(4). [6] Kitchen, A Rosenfeld. Analysis of Gray Level Corner Detection[J]. Pattern Recognition Letters, 1999,20(2):149162.
同類課題研究水平概述
- 圖像拼接通?？煞譃榛谔卣鼽c匹配方法[1,4]和基于像素灰度差最小化方法[2,3]。目前基于圖像特征點的拼接算法成為商業(yè)軟件采用的普遍方法，如Autostitch、Serif Panorama Plus、Autopano等。特征點研究中，早期Kitchen和Rosellfeld等提出的一種利用二階偏導(dǎo)數(shù)檢測角點[6]。Dreschler和Nage通過搜索高斯曲線的局部極值檢測特征點[7]，后來Forstnert提出了一種基于一階導(dǎo)數(shù)的角點檢測算子[8]，具有較好的魯棒性。1988年，C．Harris和M．J．Stephens提出了一種基于信號的點特征提取算子[9]，即經(jīng)典Harris算子，能夠高效提取圖像具有較好穩(wěn)定性的角點特征。其后Schmid等對特征點檢測和特征點穩(wěn)定性作了大量的實驗分析和比較，提出了一種改進(jìn)的Harris算子[10]。1999年D．G．Lowe提出了具有里程碑意義的SIFT (Scale Invariant Feature Transform，簡記SIFT) 圖像局部特征描述算子[14]，這是一種基于尺度空間的，對圖像縮放、旋轉(zhuǎn)甚至仿射變換保持不變性，具有良好抗噪能力的圖像局部特征描述算子。如圖1所示，該方法通過高斯金字塔模擬多對尺度下的圖像，并構(gòu)建差分金字塔DoG(Difference of Gauss，簡記DoG)，檢測DoG金字塔下的極值點來獲取穩(wěn)定的特征點[15]。 利用圖像特征點對圖像進(jìn)行拼接成為目前商業(yè)和研究的主要方法。圖像拼接的核心問題是，如何從相互疊加圖片集的大量匹配特征點過濾掉錯誤和不穩(wěn)定的特征點，以減少拼接過程中產(chǎn)生誤差較大仿射變換而導(dǎo)致擬合度較差的拼接。為解決這一問題，本文提出一種基于尺度聚類的特征點過濾方法對匹配特征點進(jìn)行過濾，使得在過濾過程中過濾后特征點不僅要有效剔除錯誤匹配點，同時具備較好位置和數(shù)量的穩(wěn)定性以及分布的全局性。此外，在此基礎(chǔ)上本文還構(gòu)建了相應(yīng)的邊緣拼接的方法來提高圖像拼接穩(wěn)定性和擬合度。
