基于視頻流的圖像拼接關(guān)鍵技術(shù)研究.pdf

1、目前視頻圖像拼接技術(shù)是把具有一定重復(fù)部分的圖像序列進(jìn)行拼接,從而得到清晰、無縫的拼接圖像。在視頻應(yīng)用方面,基于視頻流的圖像拼接技術(shù)具有非常重要的應(yīng)用前景,是正在研究的一個熱門課題,其用途廣泛,如全景圖像生成、網(wǎng)絡(luò)監(jiān)控等多個方面。
　　隨著計算機技術(shù)和圖形學(xué)的發(fā)展,視頻圖像處理技術(shù)日趨成熟,但是由于視頻數(shù)據(jù)量大、計算復(fù)雜等原因,仍然存在很多問題需要解決,例如:關(guān)鍵幀的精確采集、準(zhǔn)確的匹配算法、高質(zhì)量的融合、先進(jìn)的算法等等。這些問題的

2、解決,無疑將對視頻圖像拼接的發(fā)展產(chǎn)生較大的推動作用。因此,本文針對上述問題,主要從以下幾個方面展開研究。
　　(1)視頻流關(guān)鍵幀提取算法:通過探討序列圖像的合成方法,論述不必要的關(guān)鍵幀對圖像匹配速度的影響,研究關(guān)鍵幀的提取方法及實現(xiàn)技術(shù),結(jié)合目前存在的提取方法,提出分組幀采集的關(guān)鍵幀提取方法,減少了無效關(guān)鍵幀。該方法通過對視頻流中的圖像按車廂分組,對每節(jié)車廂采用不同的幀間隔進(jìn)行幀采集,并存入數(shù)據(jù)庫中,去除了不必要的幀,減少了匹配的

3、數(shù)量,然后對每節(jié)車廂再按較小的幀間隔進(jìn)行幀采集,作為備選幀(第一次幀采集時,由于攝像機的運動,可能會產(chǎn)生漏掉關(guān)鍵幀的現(xiàn)象),補充場景信息,提高了拼接效率;
　　(2)圖像配準(zhǔn)與融合:研究視頻圖像拼接的技術(shù)原理,深入分析目前常用拼接算法的數(shù)學(xué)模型、計算復(fù)雜性。重點針對Harris和SIFT算法,詳細(xì)論述算法特性以及對特征匹配的要求;
　　(3)SIFT算法優(yōu)化:重點研究基于SIFT特征匹配的圖像拼接算法,將算法進(jìn)行優(yōu)化。Har

4、ris算法是一種快速有效的特征點提取算法,但對尺度變換敏感,當(dāng)圖像發(fā)生較大的尺度變化時,有一部分點檢測不到,而SIFT算法具有尺度不變性,但檢測到的很多點沒有實際意義,無法描述目標(biāo)物體的輪廓?；诖?本文提出快速的匹配方法——CSIFT(clear scale invariant feature transform)算法。針對上述情況,我們在SIFT算法提取的特征點內(nèi)檢測Harris角點,去除不必要的點,再用BBF(Best Bin F