圖像融合技術(shù)外文翻譯--使用不變特征的全景圖像自動拼接

1、***大學(xué)畢業(yè)設(shè)計（英文翻譯）原文題目： 原文題目：Automatic Panoramic Image Stitching using Invariant Features譯文題目： 譯文題目：使用不變特征的全景圖像自動拼接學(xué) 院： 院：電子與信息工程學(xué)院 專 業(yè)： ******** 姓 名： 名： ****** 學(xué) 號： 號： ********** 本文其余部分的結(jié)構(gòu)如下

2、。第二部分說明所研究問題的幾何學(xué)和我們選擇不變特征的原因。第三部分介紹了圖像匹配方法（RANSAC）和驗(yàn)證圖像匹配的概率模型。第四部分中，我們描述了圖像對準(zhǔn)算法（捆綁調(diào)整） ，即共同優(yōu)化每個攝像頭的參數(shù)。五到七部分描述了處理過程，包括自動校直、增益補(bǔ)償和多波段融合。第九部分中，我們給出了結(jié)論和對未來工作的展望。2. 特征匹配 特征匹配全景識別算法的第一步是在所有圖像之間提取和匹配 SIFT 特征檢測點(diǎn)。SIFT 特征檢測子位于不同尺度

3、空間高斯插值函數(shù)的極值點(diǎn)處，對每一個特征點(diǎn)，特征尺度和方向被確定，這為測量提供了一個相似不變的結(jié)構(gòu)。盡管在這個結(jié)構(gòu)中簡單的采樣強(qiáng)度值是相似不變的，但是不變描述子實(shí)際上是通過對方向直方圖的局部梯度值進(jìn)行累積計算得到的，這樣就允許邊緣有輕微的移動而不會改變描述子的矢量，對仿射變換提供了一定的魯棒性?？臻g累積計算對平移不變性同樣重要，因?yàn)楦信d趣點(diǎn)位置通常僅在 0~3 個像素的范圍內(nèi)是精確的。為了實(shí)現(xiàn)亮度不變性可以使用梯度（消除偏差）和對描述子

4、矢量歸一化（消除增益） 。由于 SIFT 特征在旋轉(zhuǎn)和尺度變化時是不變的，我們可以處理具有變化的方向和大小的圖像（見圖 8） 。值得注意的是，這是傳統(tǒng)的特征匹配技術(shù)不能實(shí)現(xiàn)的，例如Harris 角點(diǎn)圖像修補(bǔ)的相關(guān)性。傳統(tǒng)的相關(guān)性在圖像旋轉(zhuǎn)時是變化的，Harris 角點(diǎn)在改變圖像尺度時也是變化的。假設(shè)相機(jī)繞光學(xué)中心旋轉(zhuǎn)，圖像的變換群是一個對應(yīng)矩陣的特殊群。由一個旋轉(zhuǎn)矢量 和焦距 將每個攝像頭參數(shù)化，就給出了成對的對應(yīng)矩陣 ? ? 3 2

5、1 ? ? ? ? ， ， ? f，其中 j ij i u H u~ ~?（1） 1 ? ? jT j i i ij K R R K H并且 是均勻的圖像坐標(biāo)（ ，其中 是二維的圖像坐標(biāo)） 。4 參數(shù)的相機(jī) j i u u~ ~, ? ? 1 ,~i i i u s u ? i u模型定義為：（2）? ? ???? ? ????1 0 00 00 0iii ffK對旋轉(zhuǎn)使用指數(shù)表示：（3）? ? , ? ?i e Ri? ? ?? ?