智能手机全景图像拼接算法研究

智能手机已融入人们的日常生活,拍照功能是其使用最频繁的功能之一。其中全景图像的拍摄是手机拍照功能的亮点。讨论了全景图像的拼接过程,对几种典型的图像配准算法进行了研究,并结合IOS系统中手机拍照的应用,分析了静态全景图像拼接技术与动态全景图像拼接技术在智能手机中的应用。最后对智能手机全景图像拼接算法的发展进行了展望。     

基于Fourier-Mellin变换的全景图像拼接与曲线匹配

基于Fourier—Mellin变换的图像配准方法,本文对于图像拼接与曲线匹配进行新探讨。该方法在不需要准确控制相机运动,不需要知道相机的焦距等内部参数及检测图像特征,在配准精度要求不是很高的情况下,直接生成的全景图像可以满足很多实际需求;先将图像曲线转化为二值图像,然后应用Fourier—Mellin变换对这些二值图像进行配准,从而达到两条曲线的匹配。     

数字图像拼接技术的研究

论文详细叙述了数字图像拼接的全部过程,包括图像拼接的理论基础、图像的获取、图像配准以及图像平滑连接等步骤.在全景图的实现过程中,关键技术是实现重叠图像正确、平滑的无缝拼接,论文主要研究了基于模板匹配的图像配准的方法,采用比值法对图像进行图像配准,找到拼接最佳位置SSD.对于图像合并过程,则采用渐入渐出的方法完成图像的平滑连接和显示,并将整个拼接工作用Matlab编写成应用程序.最后对试验结果做了详细分析和总结,并与穷举法进行对比,实验结果表明该算法不仅达到了较高的精度,而且提高了运算速度.     

图像拼接技术在医学诊断中的应用研究

图像拼接是指将多个具有重叠区域的图像合成为一张图片,将图像拼接技术应用到医学上将能够更好地辅助医生进行诊断治疗。针对医学图像的特点,在像素匹配的基础上,分析了基于灰度平均值和基于重叠区域渐变等拼接算法。仿真结果表明,像素匹配的算法精度高,且基于重叠区域渐变的拼接算法能得到较好的拼接效果,对医学诊断具有一定的参考意义。     

结合Delaunay三角网的自适应多尺度图像重叠域配准方法

为改进随机采样一致性算法模型参数估计可能不是最优导致图像特征点配准率不高的问题,缩短特征点提取时间,提出一种结合Delaunay三角网格约束的自适应多尺度图像重叠域配准方法。采用自适应通用加速分割检测算法,快速检测出均匀稳定的特征点,并且用二进制特征描述子解决尺度不变性和旋转不变性问题。因传统随机采样一致性算法阈值选取和迭代次数的局限性,会掺杂部分难筛的误配点,在此前提下借助Delaunay算法剖分粗匹配点集,遍历计算网格间对应三角形相似度并储存在相似性度量矩阵中。依据Delaunay三角网特性,剔除相似度差异大的三角形,重构网格保存余下的匹配点集。实验结果表明,该方法特征点提取速率比FAST快15%~20%,特征点正确配准率比随机采样一致性算法提高约4.9%,不仅可自适应多尺度快速提取特征点,而且在保证特征点正确配准率基础上尽量多地保留有效特征点数量。     

一种基于线条特征的图像拼接算法

全景图像是通过将普通照相机拍摄到的、边界部分有重叠的图像进行拼接而创建形成的．利用图像重叠部分对应像素的相似性，提出了一种行之有效的拼接算法，即通过特征线条的数据分布来配准图像，使得到的图像无缝平滑．     

基于改进的视觉关注模型和MVSC的图像拼接算法

图像拼接的实质是将针对同一场景的相互有部分重叠的一系列图片拼结成大幅的、宽视角的、与原始图像接近且失真小、没有明显的缝合线的高分辨率图像。本文首先概述了图像拼接方法中四类典型的方法,并分析各自的特性;介绍了传统视觉关注模型,并进行了改进,利用改进的视觉关注模型算法获取图像的具有重复的显著区域;利用图像配准算法对重复的显著区域进行匹配,并确定源克隆域和目标克隆域;利用均值无缝克隆（MVSC）算法对源克隆域和目标克隆域进行融合;最后,利用基于改进的视觉关注模型和MVSC的图像拼接算法完成图像拼接。实验结果表明：该算法不仅自动准确地获取显著区域,而且降低了图像配准的复杂性,提高了图像拼接的质量。     

基于图像处理的文档碎纸拼接技术研究

碎纸拼接技术是指利用纸质碎块文件所携带的信息,对其进行准确高效的复原。针对由碎纸机规则纵切或是规则横纵切所得碎纸片,通过碎片信息导入、图像边缘提取和骨架特征对比等步骤,给出了基于matlab图像处理的拼接复原方法,以及复原最终的完整效果图。     

基于双域特征的PCB图像拼接

在PCB贴片安装的机器视觉检测中需要通过图像匹配拼接来得到整个PCB的图像,传统的图像匹配拼接技术精度不高,而且运算量大.用双域特征法与先粗后细、粗细结合的搜索法可使得图像的频域和时域信息得以充分利用,并且在提高精度的同时减少了运算量,能满足流水线工作要求.实验结果显示了本算法的鲁棒性、快速性与良好拼接效果.     

基于MATLAB的图像拼接算法实现研究

图像拼接技术应用范围广、实用性强。基于SIFT和RANSAC的图像拼接算法具有匹配精度高、拼接效果好的优点而受到普遍关注,但这些算法存在复杂性强、编程效率低的问题。探讨图像拼接基本流程,介绍MATLAB环境下基于SIFT和RANSAC算法的图像拼接实现过程。     

基于互信息的多模图像配准研究

分析了基于互信息的多模态图像配准的理论和方法,从信息论的角度分析了互信息的性质以及两幅图像互信息的计算等,同时给出基于互信息的图像配准的基本步骤。     

基于POS数据的无人机图像快速拼接技术的应用

根据无人机航空摄影图像像幅小、几何畸变大等特点,为满足应急的需求,应该快速完成多幅无人机图像的拼接。利用基于POS数据的方法进行快速的拼接,并与基于特征点的拼接、基于最佳拼接线的拼接在拼图质量和时间效率上做出对比分析。最终,基于POS数据的拼接在时间上有明显优势。     

基于最大互信息的多源图像配准研究

对同一场景使用不同传感器获取的多幅源图像往往存在许多差异,若要对其进行像素级图像融合,则首先必须对多幅源图像进行配准,配准精度要求达到像素级。本文在对多源图像配准理论和方法深入分析的基础上,对基于最大互信息的图像配准算法及其实现进行了深入研究,并将该方法应用于多源图像配准,通过仿真实验证明采用基于最大互信息的图像配准方法对来自不同传感器的多源图像进行配准,可以达到像素级的配准精度,该精度标准符合像素级图像融合对源图像的配准精度要求。     

基于SURF特征点提取的显微图像拼接

高倍镜下拍摄的图像视野小,不能看到完整的结构特征。为了获得全视野观看效果,文中提出基于SURF特征点提取的显微图像拼接方法。首先采用RANSAC算法剔除不匹配的特征点,然后用加权平滑的方法来消除拼接缝,并对背景亮度不均匀的问题进行处理。实验结果表明,文中方法能够精确有效地解决显微镜高倍镜下视野小,无法观察到清晰完整的组织细胞结构图像的问题。     

基于相位相关法与改进SURF算法的图像拼接方法

为避免相邻图像非重叠区域特征点被检测和提取,加速图像配准,提出一种基于相位相关法与改进SURF算法的快速图像拼接方法。该方法采用相位相关算法确定待拼接图像的重叠区域,限定SURF特征点检测、提取范围,用改进的SURF算法进行特征点匹配|然后根据MSAC算法剔除误配后的特征点匹配对,求取单应性矩阵,实现图像之间的快速配准|最后采用多波段融合算法对配准后的图像进行处理以消除拼接缝。实验结果表明,与传统算法相比,该方法可提高特征点匹配正确率,加速图像配准过程,完成拼接图像间的平滑过渡。     

一种基于改进遗传算法的医学图像配准算法

局部优化算法在医学图像配准中存在容易陷入局部极值的问题．本文在分析标准遗传算法的基础上,提出了改进的具有全局优化能力的遗传算法,最后给出了本配准算法的实验结果．     

基于1：1万地形图三维景观的实现方法研究

传统的实地测绘地形图不仅需要耗费大量的人力、物力和财力,而且需要大量的时间,为了节约成本和实现三维效果的显示,可以充分利用已有的地形图资料,将其快速转变为数字地形图,从而建立三维地形景观图.该文以绵阳市为例,利用地理信息系统软件,通过DEM与遥感正射影像图DOM叠加,探讨了基于1:1万地形图三维景观的建立方法,实现步骤及其简单功能的效果实现.该方法有利于研究和预测、预防地质灾害的发生,有利于从整体上对绵阳地形有更为直观的了解,便于从宏观上对绵阳进行统筹规划.     

基于像素匹配的碎纸片拼接复原

碎纸片的拼接复原是一项在司法物证复原、历史文献修复、军事情报获取等领域都有重要应用的技术。已有的拼接算法大都对于单张碎纸片进行特征值提取,依据特征值的匹配实现碎纸片的拼接。很多碎纸切口是由碎纸机切成的边缘整齐的纸片,我们可以采用以笔画断面的像素点为特征来进行矩阵匹配,就能对已有算法加以改进。其一是基于字母模式识别与聚类分析进行碎片分类。其二是以区间估计为基础,基于矩阵像素点匹配算法进行碎片拼接。区间估计部分可给出匹配概率的最低阈值,高于该阈值的碎片对才会进行匹配处理。     

基于BRISK特征的图像配准提取与描述研究

基于特征的图像配准方法作为一种重要的图像配准方法,是近年来图像配准技术的研究热点。本文对BRISK算法进行了详细的描述。详细介绍了FAST角点特征提取算法、尺度空间构造以及尺度空间关键点检测方法、关键点描述方法和特征点匹配算法,给出了算法实现基本流程图。     

基于SIFT特征点精确匹配的图像拼接技术研究

为实现两幅或多幅图像的拼接需要提取两幅图像中的特征点,并对所提取的特征点进行精确匹配。本文在应用SIFT方法提取待匹配图像中的特征点并对提取的特征点进行粗匹配基础上,对基于距离约束的特征点的精确匹配方法进行了研究。消除误匹配点对共分两个步骤:1)在一幅图像中取一个特征点计算与该特征点欧式距离最小的两个特征点,并取欧式距离最小值;利用粗匹配点,在待拼接的另一幅图像中同样求相应点间欧式距离并取最小值;若两值中的较小值与较大值之比大于设定阈值,则初步得到精确匹配点对。2)在一幅图像中顺序取初步判定位误匹配的特征点,计算该特征点与精确匹配特征点间欧氏距离,并取距离最小的两个特征点;在待拼接的另一幅图像中同样求相应匹配点间欧式距离并取最小值,两值中的较小值与较大值之比与设定的阈值比较可得到精确匹配点对。实验证明了该方法的有效性。