面向全景拼接的圖像配準(zhǔn)技術(shù)研究及應(yīng)用.pdf

1、在很多場景中，圖像往往比文字承載著更多蘊(yùn)意，對同一事物所進(jìn)行的描述中，圖像更形象生動(dòng)，能給人留下深刻印象，所以越來越多的人傾向于用圖像來表達(dá)，高質(zhì)量的圖像攜帶的信息數(shù)量大，因此人們對圖像質(zhì)量的要求也就日益提高。在全景拼接、機(jī)器人導(dǎo)航、遙感攝影等領(lǐng)域中，寬視場且清晰的全景圖像成為研究和應(yīng)用的需求。
　　圖像配準(zhǔn)是全景拼接過程中的關(guān)鍵技術(shù)，全景拼接的效率和精度會(huì)直接受到該技術(shù)的影響?；谔卣鞯呐錅?zhǔn)方法應(yīng)用最廣泛，當(dāng)中的經(jīng)典算法即為尺度

2、不變特征轉(zhuǎn)換算法(SIFT)。SIFT算法不容易受到光照干擾，也不會(huì)因圖像存在旋轉(zhuǎn)等情形而影響最后結(jié)果，得到的配準(zhǔn)圖像結(jié)果較為準(zhǔn)確，所以深入探討和改進(jìn)SIFT算法具有很重要的意義。本文對SIFT算法進(jìn)行深入分析，發(fā)現(xiàn)了幾點(diǎn)待改進(jìn)之處，并提出相應(yīng)的解決策略，論文主要工作如下：
　　(1)圖像邊緣特征點(diǎn)提取。圖像邊緣承載了許多關(guān)鍵特征點(diǎn)，然而SIFT算法在提取特征點(diǎn)過程中要采用高斯平滑操作，使得邊緣點(diǎn)變得很平滑，不利于提取，將會(huì)降低匹

3、配精度，因此引入拉普拉斯算法對兩幅待拼接圖像進(jìn)行預(yù)處理，以突出其邊緣，幫助提取更多的邊緣特征點(diǎn)。
　　(2) SIFT特征向量降維提取。SIFT算法產(chǎn)生的特征向量維數(shù)高，耗時(shí)大。為提高效率，所以結(jié)合單元信息投影熵進(jìn)行優(yōu)化，對分塊圖像求解投影熵行、列矢量，將待拼接圖像間存在的差異通過投影熵行、列矢量的最小距離來進(jìn)行描述。
　　(3)匹配點(diǎn)對優(yōu)化。在匹配階段，由于圖像尺寸、光照以及噪聲等其他影響，會(huì)存在部分錯(cuò)誤匹配點(diǎn)對，算法在隨