車載全景圖像快速配準(zhǔn)方法研究.pdf

1、隨著汽車數(shù)量的迅速增加，由于駕駛員視覺盲區(qū)引發(fā)的安全駕駛問題日益突出、交通事故不斷攀升。目前，車載全景系統(tǒng)被認(rèn)為是緩解該問題的有效手段之一，已成為智能交通和圖像處理領(lǐng)域近年來的研究熱點，從而吸引了眾多學(xué)者的關(guān)注。而圖像配準(zhǔn)是決定車載全景系統(tǒng)是否可行的關(guān)鍵環(huán)節(jié)。因此，本文針對車載全景系統(tǒng)中快速圖像配準(zhǔn)方法開展了深入研究，主要研究內(nèi)容如下：
　　1、針對傳統(tǒng)尺度不變特征變換（SIFT）算法在特征提取與特征描述時計算量大、實時性差的問題

2、，提出一種基于區(qū)域分塊的SIFT快速配準(zhǔn)方法。首先，將匹配圖像和待匹配圖像分割成若干均勻的子圖，通過計算每個子圖的信息熵值與設(shè)定閾值比較來判斷局部子圖的特征類型；然后對篩選出來的子圖進行SIFT特征提取和對特征向量降維處理，生成PCA-SIFT描述子；最后對兩幅圖像進行配準(zhǔn)和剔除誤匹配點對。結(jié)果表明，在保證配準(zhǔn)精度在90％以上的基礎(chǔ)上，配準(zhǔn)時間減少了15%-25%。
　　2、針對傳統(tǒng)的Harris角點檢測算法，手動輸入單個閾值可能

3、出現(xiàn)角點聚簇、偽角點等現(xiàn)象。提出了一種自適應(yīng)閾值的Harris角點檢測的圖像配準(zhǔn)方法，首先將圖像分割成3*3個無重疊子圖，根據(jù)每個子圖的對比度的大小，來設(shè)置每個子圖的閾值。然后采用NCC算法對檢測出的角點進行粗匹配；最后采用RANSAC算法將粗匹配中誤匹配點對進行剔除。實驗表明，該算法使檢測的角點分布比較均勻，并在圖像配準(zhǔn)中有效地增加圖像匹配點對數(shù)，能有效提高圖像配準(zhǔn)的準(zhǔn)確度。
　　3、為了驗證本文的圖像配準(zhǔn)算法在車載全景系統(tǒng)中應(yīng)