基于MMTD的圖像拼接方法研究.pdf

1、圖像拼接是指將在不同時(shí)間、不同地點(diǎn)采集到的同一個(gè)場(chǎng)景中的有重疊區(qū)域的圖像拼接成一幅寬視角的完整圖像。本文以MMTD（Measure of Medium Truth Degree，中介真值程度度量）為背景，對(duì)基于特征點(diǎn)的圖像拼接中的關(guān)鍵步驟進(jìn)行了深入研究，此外，以灰色關(guān)聯(lián)度模型為基礎(chǔ)，對(duì)圖像拼接的評(píng)價(jià)方法進(jìn)行了研究。論文的主要工作如下：
　　（1）分析了傳統(tǒng)SIFT（Scale Invariant Feature Transform

2、，尺度不變特征變換）算法中閾值的選取不具備自適應(yīng)性，效率低下的問題，提出了一種基于MMTD的SIFT算法。該算法采用MMTD迭代化的方法來確定閾值。實(shí)驗(yàn)表明，算法的自適應(yīng)性和效率獲得了提高。
　?。?）針對(duì)傳統(tǒng)RANSAC（Random Sample Consensus，隨機(jī)采樣一致性）算法中閾值難以確定的問題，提出了一種基于MMTD的RANSAC算法。該算法采用MMTD來度量經(jīng)過仿射變換后的像素點(diǎn)與特征點(diǎn)對(duì)應(yīng)的匹配點(diǎn)之間的距離，

3、進(jìn)而基于這個(gè)距離來計(jì)算每次迭代過程中的閾值。實(shí)驗(yàn)表明，新算法與傳統(tǒng)算法相比具有更好的匹配效果。
　?。?）研究并實(shí)現(xiàn)了一個(gè)完整的基于 MMTD的圖像拼接。首先，采取基于 MMTD的SIFT算法，NNDR（Nearest Neighbor with Distance Ratio，最近鄰次近鄰距離比值）算法，基于MMTD的RANSAC算法得到匹配點(diǎn)集。然后，采用MMTD來度量匹配點(diǎn)集之間的相似性。最后，采用加權(quán)融合的方法得到一幅完整的