图像拼接方法探讨

本文系统的阐述了图像拼接技术的由来、现状,应用领域以及拼接方法,对图像拼接的两个主要过程:图像配准和图像融合分别进行了详细介绍.图像配准是图像拼接的核心技术,本文还对现有的图像配准方法进行归类总结,对每个配准算法进行优缺点描述。对目前现有以及常用的图像融合方法也进行了详细的介绍。最后提出了图像拼接技术的不足.     

图像拼接方法综述

概述了图像拼接的基本理论和一般过程,分类介绍了各种图像配准方法的原理和优缺点,重点分析了基于特征的图像配准技术,详细阐述了随机采样一致算法在基于特征的图像配准技术中的应用.     

基于角点检测配准的全景图像拼接技术研究

全景图像拼接技术是计算机数字图像处理领域中的一个重要分支,其在虚拟现实、医学图像处理、遥感技术等领域都有十分广泛的应用。全景图像拼接技术主要包括图像检测、图像配准和图像融合3个方面。其中,图像配准是图像拼接技术的核心环节。该文主要研究基于角点检测配准的全景图像拼接技术,并通过Matlab开发环境进行实验验证。     

图像拼接技术综述*

给出了图像拼接的一般流程,在此基础上将图像拼接技术分为两个关键技术——图像配准技术和图像融合技术,并分别对图像配准技术和图像融合技术的经典算法及最新算法作一概述和比较。     

视差图像配准技术研究综述

传统图像配准技术受限于严苛的初始输入已难以满足人们的需求,近年来,视差图像的配准逐渐成为图像拼接技术中的研究热点。基于视差形成原理介绍了视差图像配准的难点与一般流程。主要研究了基于特征的视差图像配准技术,对近年来视差图像配准的研究成果进行了归纳梳理,并从基于多平面对齐的图像配准、基于网格变形的图像配准以及缝合线驱动的图像配准三个方面进行阐述。通过对各种典型的视差图像配准算法的算法思想、特点以及局限性进行描述和比较,提供该领域研究现状的系统综述,并对视差图像配准技术的研究趋势进行了展望。     

宽场景仿真中的图像配准算法

为了提高实时宽场景图像拼接应用中的图像配准精度和配准速度,提出了一种利用相机标定信息与相位相关技术相结合的图像配准方法。利用相机间的相对位置参数计算待拼接图像间的旋转和缩放模型,利用相位相关技术求解图像间的平移转换参数。通过理论推导对缩放模型的误差分布进行分析。实验结果证明,该算法理论推导正确,在场景深度范围较小情况下,图像拼接准确快速。     

一种基于灰度值相似度的图像配准算法

图像拼接的过程由图像获取、图像预处理、图像配准和图像融合四个步骤组成,而图像拼接的质量主要依赖图像的配准精度。因此,图像的配准算法是图像拼接的核心和关键。本文提出了一种基于边缘提取条件下重叠区灰度值相同比率的图像配准算法,可实现存在灰度值差异和旋转关系条件下的图像配准。     

一种用于钣金零件视觉测量的图像拼接方法

在钣金零件视觉测量中,大尺寸零件超出图像采集摄像机的视场范围,不能一次性获得该零件的完整图像,需要将存在一定重叠区域的图像进行图像拼接。针对特征稀少、灰度信息少、轮廓对称的钣金零件图像不易拼接问题进行了分析和研究,提出了一种在待拼接图像中选择包含重叠部分的等大小区域作为待配准区域,并对其提取轮廓,然后对轮廓图利用相位相关法求待配准区域的配准参数,再根据待配准区域图像与待拼接图像的坐标关系转换求待拼接图像的配准参数并对图像进行配准,实现钣金零件图像拼接的方法。通过实验表明,该拼接方法对特征稀少、灰度信息少和轮廓对称的钣金零件图像具有速度快、较好的准确性和抗干扰能力,能够满足工业应用的要求。     

一种新的基于特征区域的图像配准算法

全景拼图是近年来兴起的基于图像的绘制技术（IBR）中的一个重要研究方向。在全景视图的实现过程中，关键技术是实现重叠图像正确、平滑的无缝拼接。本文在原有图像配准技术的基础上，提出了一种新的基于特征区域的配准算法，该算法利用两幅重叠图像对应特征区域的相似性，经过特征选择、特征提取和特征匹配三个阶段，实现两幅图像的拼接。实验结果证明，该算法在拼接速度和效果方面的表现均令人满意。     

基于特征块与小波变换的图像拼接算法

为了改进现有的基于灰度的图像拼接方法速度过慢的缺点,综合考虑了图像拼接过程中速度与精度两个因素,提出了一种基于小波变换和特征块的图像拼接算法.该算法对图像进行小波变换,在高频信号上利用简单边缘阈值法提取特征块,在低频信号上进行配准,并根据低频图像配准位移完成原始图像的配准.最后将实验结果与传统的基于灰度的图像拼接方法进行比较,结果表明了该算法在保证图像拼接精度的同时,大大提高了图像拼接速度.     

一种新的自动图像配准算法

图像配准是图像处理的一个重要技术,被广泛的用于遥感图像、医学影像、视频监控等诸多领域中。提出了一种新的配准算法,首先分析两幅图像的联合直方图点集的分布情况,基于此定义了直方图点集的散度公式,并将其作为两幅图片的相似性测量。为加速参数的搜索过程,配准是在小波域内进行的,并使用Powell算法来优化搜索策略。实验证明相对于基于互信息的图像配准算法,本算法参数优化方法选择可以更灵活,时间消耗更少,噪声鲁棒性更优。     

An application of image processing in the medieval mosaic conservation

We present an application of digital image processing techniques in medieval mosaic conservation. The reconstructed art piece was The Last Judgment mosaic, situated on the wall of the St. Vitus cathedral in Prague, in the Czech Republic. The historical photograph of the mosaic from the 19th century was compared with the photograph of the current state in order to detect mutual differences. The images were firstly pre-processed to increase their quality (noise reduction, deblurring). In the second stage, geometrical differences between images were removed by means of image registration techniques—mutual information and feature point correspondence. Finally, differences of the current and historical photographs were identified.     

基于分块-空间聚类的图像配准算法

模板匹配算法应用广泛,但不能判断配准结果是否正确,也无法比较不同像对配准结果的准确程度。提出无变形、无旋转情况下分块-空间聚类的图像配准算法,将基准图分块在参考图上配准从而获得基准图的多个配准位置,并对这些位置进行空间聚类从而计算基准图的最后配准位置,并评估配准质量。试验表明该算法配准准确度高,能够正确评估配准质量并比较不同像对配准结果的准确程度。     

针对大视差图像拼接的显性子平面配准

目的 针对图像拼接中大视差图像难以配准的问题,提出一种显性子平面自动配准算法。方法 假设大视差图像包含多个显性子平面且每个平面内所含特征点密集分布。对该假设进行了验证性实验。所提算法以特征点分布为依据,通过聚类算法实现子平面分割,进而对子平面进行局部配准。首先,使用层次聚类算法对已匹配的特征点聚类,通过一种本文设计的拼接误差确定分组数目,并以各组特征点的聚类中心为新的聚类中心对重叠区域再聚类,分割出目标图像的显性子平面。然后,求解每个显性子平面的投影参数,并采用就近原则分配非重叠区域的单应性矩阵。结果 采用公共数据集对本文算法进行测试,并与Auto-Stitching、微软Image Composite Editor两种软件及全局投影拼接方法（Baseline）、尽可能投影算法（APAP）进行对比,采用均方根误差作为配准精度的客观评判标准。实验结果表明,该算法在拼接大视差图像时,能有效地配准局部区域,解决软件和传统方法由误配准引起的鬼影、错位等问题。其均方根误差比Baseline方法平均减小55%左右。与APAP算法相比,均方根误差平均相差10%左右,但可视化配准效果相同且无需调节复杂参数,可实现自动配准。结论 提出的显性子平面自动配准算法,通过分割图像所含子平面进而实现局部配准。该方法具有较高的配准精度,在大视差图像配准方面,优于部分软件及算法,可应用于图像拼接中大视差图像的自动配准。     

基于图像配准的POCS超分辨率图像重构

图像重构是数字图像处理的一个重要的分支，根据图像序列进行重构的高分辨率图像在多种应用邻域得以应用。该文简要介绍了图像成像原理以及降阶模型，并提出在图像配准的基础上，对图像序列采用POCS方法高分辨率重构，将图像校准算法和POCS方法有机地结合在一起，同时给出了其中详细的算法和实现过程。实验仿真结果表明该算法当图像间平移量小于10个象素、旋转角小于5时收敛，且运算量小，收敛速度快，具有很好的图像超分辨率重构能力。     

自适应变异差分算法与Powell算法相结合的医学图像配准

图像配准是医学图像处理中的关键技术。文中提出一种自适应差分算法(Difference Algorithm,DE)和Powell算法相结合的多分辨率医学图像配准方法,其不仅可以克服Powell算法依赖初始点的缺点,还可以降低陷入局部极值的几率。首先,对源图像进行多分辨处理,获得包括源图像在内的三层图像;然后,在低分辨率图像上使用自适应DE算法进行全局变换参数的搜索,获得的变换参数作为Powell算法的初始点;最后,在高分辨率图像及源图像上使用Powell算法进行配准。与传统实验相比,该方法具有更高的精确度,能够有效避免局部收敛问题。     

改进的自适应遗传算法医学图像配准研究

研究图像配准精度问题。图像配准技术一直被广泛应用在医学图像和遥感图像等众多领域,由于不同的模式设备对人体内的组织会存在不同的灵敏度和分辨率,造成了图像的分辨率不同,而传统的配准算法对于具有不同的分辨率的图像配准的精度度难以提高。为此提出了一种将改进的自适应遗传算法并应用到图像配准的优化过程中,该算法首先采用进化前后期分别调整交叉概率和变异概率来克服传统遗传算法容易陷入局部最优的缺点,同时采用了刚体旋转方法对图像进行旋转匹配,使得图像可以进行局部的匹配。仿真结果表明了该算法有效的提高了图像配准的精确度,验证了该算法是一种可行性有效的图像配准算法。     

改进的实时图像拼接方法

通过分析比较不同配准算法的优缺点,提出一种基于灰度相关与特征点相结合的实时图像拼接方法。算法首先对图像进行自适应缩放,调整为需要输出的大小,然后用基于特征边缘点方法确定配准方向和大体位置,用基于灰度相关方法准确定位最佳匹配点,最后通过加权平均法对重叠图像进行融合处理。实验结果表明,算法能准确地对图像进行拼接,具有实时性和高效性。     

基于SIFT和TPS算法的四旋翼无人机图像自动配准

针对四旋翼无人机图像姿态倾角大、图像变形明显等特点,采用尺度不变特征变换(SIFT)算法和薄板样条模型(TPS)对四旋翼无人机图像进行特征点匹配和配准实验研究,从拼接图像的目视效果和配准均方差方面比较分析了TPS模型与常用的仿射变换及多项式变换模型的图像配准效果。结果表明:在SIFT算法精确的同名点匹配下,TPS变换模型能够兼顾四旋翼无人机图像的整体刚性变形及局部的非刚性变形,无论是目视效果还是均方差定量分析,TPS变换的图像配准精度最高\,效果最好,能够满足四旋翼无人机图像的快速配准、拼接要求。