基于SIFT特征的圖像拼接技術(shù)的研究.pdf

1、圖像拼接技術(shù)是計(jì)算機(jī)領(lǐng)域以及圖像處理方面的熱點(diǎn)之一，目標(biāo)是將同一個(gè)場景內(nèi)的具有重疊部分的圖像進(jìn)行拼接，得到一幅包含各圖像的所有信息，分辨率高并且視野更加寬廣的圖像。圖像拼接技術(shù)克服了廣視野與分辨率之間的矛盾問題，在全景圖像合成、場景的3-D重構(gòu)、醫(yī)學(xué)圖像分析、視頻監(jiān)控系統(tǒng)、航空及衛(wèi)星圖片集成等領(lǐng)域都有著非常廣泛的應(yīng)用。本文是基于尺度不變特征變換(Scale-invariant feature transform，SIFT)來實(shí)現(xiàn)圖像拼接

2、技術(shù)。圖像拼接技術(shù)包括圖像采集、圖像預(yù)處理、特征點(diǎn)提取、圖像配準(zhǔn)、圖像融合這個(gè)幾個(gè)部分。本文完成的主要工作包括:
　　(1)圖像預(yù)處理理論算法的相關(guān)研究。對常用的圖像預(yù)處理算法進(jìn)行了研究，經(jīng)過對常用的圖像預(yù)處理算法的優(yōu)缺點(diǎn)進(jìn)行分析和對比之后，本文采用中值濾波去噪，并采用直方圖均衡化的方法對圖像進(jìn)行增強(qiáng)。研究了圖像配準(zhǔn)和圖像融合技術(shù)的基本理論。
　　(2)對常見特征點(diǎn)提取算法進(jìn)行了研究，對比幾種常見特征提取算法的優(yōu)缺點(diǎn)之后，選

3、用SIFT特征提取算法作為本文的基礎(chǔ)。提取特征點(diǎn)之后采用基于Kd-tree的BBF算法對特征點(diǎn)進(jìn)行初始匹配，然后采用隨機(jī)抽樣一致（Random Sample Consensus，RANSAC）算法消除錯(cuò)誤的匹配對。針對RANSAC算法在特征點(diǎn)數(shù)目過多時(shí)，算法運(yùn)行的時(shí)間會(huì)由于不斷隨機(jī)選取初始匹配對而急劇增加的問題，對RANSAC算法在選取初始樣本點(diǎn)時(shí)進(jìn)行了改進(jìn)。實(shí)驗(yàn)結(jié)果表明改進(jìn)的算法確實(shí)能夠提高運(yùn)行的效率，節(jié)約時(shí)間，基本能夠滿足算法的實(shí)時(shí)