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
- 大類：
- 自然科學類學術論文
- 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，構建了一種基于網格覆蓋的拼接算法提高拼接擬合度和穩(wěn)定性，
- 詳細介紹：
- 由于圖片拍攝角度、相機參數和拍攝環(huán)境不同，局部匹配生成的仿射變換對會導致誤差較大的拼接。如何構建一種方法，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量的穩(wěn)定，是解決這一問題的關鍵。 本文通過實驗對算法進行測試，在實驗過程中，為度量過濾結果穩(wěn)定性和邊緣拼接效果，本文采用特征點骨架圖和相應的函數對拼接效果進行量化，實驗結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據向量，通過對不同尺度特征點進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行一致性過濾，并對圖像拼接過程中出現的問題，構建了一種基于網格覆蓋的拼接算法提高拼接擬合度和穩(wěn)定性。
科學性、先進性及獨特之處
- 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量的穩(wěn)定性以及分布的全局性。此外，在此基礎上本文還構建了相應的邊緣拼接的方法來提高圖像拼接穩(wěn)定性和擬合度。
應用價值和現實意義
- 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，構建了一種基于網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行拼接成為目前商業(yè)和研究的主要方法。
學術論文摘要
- 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據向量，通過對不同尺度特征點進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行一致性過濾，并對圖像拼接過程中出現的問題，構建了一種基于網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行測試，在實驗過程中，為度量過濾結果穩(wěn)定性和邊緣拼接效果，本文構建了相應的視覺和定量評價指標來對比算法性能，實驗結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《東北大學學報》錄用
鑒定結果
- 無
參考文獻
- [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 ]. 中國圖象圖形學報, 2004, 9 (4) : 417～422. ] [5] 解凱,郭恒業(yè),張?zhí)镂? 圖像Mosaics技術綜述[J]. 電子學報. 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
- 圖像拼接通常可分為基于特征點匹配方法[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數檢測角點[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數的角點檢測算子[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生誤差較大仿射變換而導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量的穩(wěn)定性以及分布的全局性。此外，在此基礎上本文還構建了相應的邊緣拼接的方法來提高圖像拼接穩(wěn)定性和擬合度。
