面向全景成像的目標拼接算法研究.pdf

1、隨著信息技術(shù)的快速發(fā)展，虛擬現(xiàn)實、機器視覺、計算機仿真、智能監(jiān)控系統(tǒng)等眾多技術(shù)獲得了廣泛應用。由于全景圖像拼接技術(shù)是上述相關(guān)技術(shù)的核心之一，所以人們對全景成像技術(shù)的需求越來越迫切。同時，全景成像技術(shù)在大地測繪、醫(yī)學影像、軍事偵察、視頻會議等國民經(jīng)濟和國防工業(yè)領域的廣闊應用前景，使得對其研究具有重要的理論和工程實踐意義。
　　全景圖像拼接流程主要包括三大步驟，即圖像獲取及預處理，圖像配準以及圖像融合。因為圖像獲取及預處理相對容易，因

2、此，本文著重研究圖像的配準及圖像融合技術(shù)。其中，圖像配準主要步驟包括:特征提取、搜索策略和變化估計，變換估計相對容易實現(xiàn)，本文對圖像配準的研究主要針對特征提取算法和搜索策略。本文的研究的主要內(nèi)容包括以下幾個方面:
　　1)對常見特征點提取算子作比較研究。本文首先簡要概述了五種常見特征點提取算子，對算子的優(yōu)缺點進行論述，然后，綜述當前對特征點提取算子的性能評價標準，提出了相對較為完備的評價準則，并用該準則對五種常見特征點提取算子進行

3、評價。實驗結(jié)果表明，在縮放、旋轉(zhuǎn)、光照變化等環(huán)境變化條件下，SIFT算子具有最優(yōu)性能，所以本文選擇了SIFT算子作為特征點提取算子。
　　2)提出了一種基于人工蜂群算法的圖像匹配算法。通過SIFT提取特征點后需要采用合適的搜索策略對其進行匹配。由于全景圖像無法實現(xiàn)嚴格對應的點對匹配，本文選擇了模糊匹配測度——Hausdorff距離作為特征點相似性測度。同時，針對圖像匹配速度慢，精度低問題，提出一種基于人工蜂群算法的圖像特征匹配策略