球面全景图像生成技术的研究

球面全景图可以任意改变观察视角,在场景的构造中具有重要的作用.针对球面投影过程中存在的变形问题,用双线性插值算法求出变换结果图像中的像素值,较好地解决了变形问题.在此基础上,采用基于灰度相关,由粗到精的图像拼接方法进行拼接.实验结果表明,经插值后进行拼接的球面全景图像能达到较好的视觉效果.     

一种全景图生成的改进算法

全景图是目前较为有效的基于图像的渲染方法之一。论文介绍了全景图生成过程,并且对其中最关键技术全景图像的拼接算法进行了归类、总结和比较,在此基础上提出了一个改进的全景图拼接算法,最后给出了实验的结果和结论。     

基于全景图虚拟场景构造算法研究

全景图是目前较为有效的图像绘制技术之一。论文对现今常用的几种图像拼接算法进行了分析和比较,提出了一种改进的全景图像生成算法。算法通过对初始图像进行预处理、改进特征点选取方法、优化特征点匹配过程,提高了全景图虚拟场景生成的效率和准确性。     

柱面全景图像自动拼接算法

提出了一种基于特征点匹配的柱面全景图像拼接算法。首先将360°环绕拍摄的序列图像投影到柱面坐标系下;然后提取各图像的SIFT（Scale Invariant Feature Transform,尺度不变特征变换）特征点,通过特征点匹配完成两幅图像的配准;再根据配准结果计算出图像间的变换参数;最后采用加权平均的融合方法对两幅图像进行无缝拼接。实验表明,算法可以有效、快速地自动生成柱面全景图像。     

球面全景图漫游算法研究

基于图像的绘制技术不仅可以弥补传统基于几何绘制技术的不足。而且能给出更丰富的图像显示。基于实际应用出发,提出并实现了一种球面全景图的漫游算法。通过重投影球面全景图的可视部分到视平面上,可以生成虚拟场景在不同视线方向上的透视视图。针对直接使用重投影不能满足实时绘制的问题,提出了基于查找表的优化策略。     

全景图自动生成算法中几个相关问题的研究

本文以未知环境下移动机器人导航技术的研究为背着，研究了移动机器人单目视觉下全景图自动生成的方法。本文设计一种针对彩色图像的柱面全景图自动拼接的新方法，该方法允许图像有一定的倾斜、旋转和变形，允许相邻图像之间有一定的色差。     

一种全自动稳健的图像拼接融合算法

提出了一种全自动稳健的图像拼接融合算法。此算法采用Harris角检测算子进行特征点提取，使提取的精度达到了亚像素级，然后以特征点邻域灰度互相关法进行特征点匹配得到了初步的伪匹配集合，并运用稳健的RANSAC算法将伪匹配点集合划分为内点和外点，在内点域上运用LM优化算法精确地估计出了图像间的点变换关系，最后采用颜色插值对交接处进行颜色过渡。整个算法自动完成，它对有较大误差或错误的特征点数据迭代过滤，并用提纯后的数据来做模型估计，因而对图像噪声和特征点提取不准确有强健的承受能力。在参数估计时，以特征点的坐标位置误差而不是亮度误差来构造优化函数，克服了以往算法对光照的敏感性，使算法更具有实用性。实验结果表明，该算法融合效果比较理想，鲁棒性强，具有较高的使用价值。     

基于球面全景图的空战环境漫游研究

研究鱼眼图像的拼接算法,实现利用两幅鱼眼图像生成球面虚拟空间,然后探讨基于球面虚拟图的多视点漫游问题,利用反投影模板技术有效地提高全景图浏览的速度,采用缩放的方法改进了行进间的浏览效果,从而提高虚拟漫游的沉浸感,具有一定的实用意义。     

一种基于特征点的稳健无缝图像拼接算法

针对传统的基于区域图像拼接方法中,计算量大、鲁棒性差以及不能很好地解决拼接后的接缝等问题,提出了一种稳健的基于特征点的无缝图像拼接算法.在SIFt(scale invariant feature transform)提取图像特征点并匹配的基础上,通过优化的随机采样一致性(random sample consensus)算法过滤匹配点,去除误匹配点,并用过滤后的匹配点求解两对应图像间单应性矩阵初值;然后利用L-M算法优化单应性矩阵对图像序列进行拼接;最后通过改进线性加权函数法进行图像融合,很好地解决了接缝问题,实现了图像拼接处的平滑过渡.实验表明,该方法对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的拼接效果,拼接精度可以达到亚像素级.     

基于SIFT算法的图像拼接技术研究

随着人们在生产、生活过程中对获取更加优质视觉信息的要求逐步提高,图像拼接技术成为数字图像处理领域中的热点与重点研究内容。先采用SIFT这一图像特征点检测与匹配的基础算法对图像进行特征点的粗匹配,再使用RANSAC算法对特征点进行提纯,得到最优特征点。仿真试验验证了该图像拼接技术可以提高图像的拼接效果,增强算法的鲁棒性。     

二值化的SIFT特征描述子及图像拼接优化

目的 针对SIFT算法计算复杂度高、存储开销大和近几年提出的BRIEF（binary robust independent elementary features）、ORB（oriented BRIEF）、BRISK（binary robust invariant scalable keypoints）和FREAK（fast retina keypoint）等二进制描述子可区分性弱和鲁棒性差的问题,提出基于SIFT的二进制图像局部特征描述子。方法 首先,对传统SIFT的特征空间和特征向量分布在理论和实验上进行分析,在此基础上结合二进制特征描述子的优势对SIFT进行改进。不同于传统的二进制特征描述子,本文算法对传统SIFT特征向量在每一维上的分量进行排序后,以该特征向量的中值作为量化阈值,将高维浮点型SIFT特征向量转化成位向量得到二进制特征描述子。并使用易于计算的汉明距离代替欧氏距离度量特征点间的相似性以提高匹配效率。然后,在匹配阶段将二进制特征描述子分为两部分并分别对其进行匹配,目的是通过初匹配剔除无效匹配特征点来进一步缩短匹配时间。最后,对提出的量化算法的可区分性及鲁棒性进行验证。结果 该量化算法在保持SIFT的较强的鲁棒性和可区分性的同时,达到了低存储、高匹配效率的要求,解决了SIFT算法的计算复杂度高、二进制描述子鲁棒性和可区分性差的问题。此外,在匹配阶段平均剔除了77.5%的无效匹配特征点,减少了RANSAC（random sample consensus）的迭代次数。结论 本文提出的量化算法可用于快速匹配和快速图像拼接中,提高匹配和拼接效率。     

球面全景图像的拼接算法研究

在分析球面图像拼接算法的参数模型、基本原理和实现方法的基础上,提出了球面全景图像拼接的优化算法,取得了良好的拼接效果。     

基于SIFT算法的室内全景图拼接

室内全景图像拼接采用SIFT特征点进行图像匹配与融合。由于相机镜头视野范围有限,需要多张具有重合区域不同角度图像进行拼接,以获得完整的全景图像。首先对多张原图像进行图像增强和噪声滤波的预处理,以减少特征点提取时的干扰因素;再将多张图像压入堆栈,采用SIFT算法提取每张图像的特征点;使用FLANN快速最近邻搜索包进行最近邻特征点匹配,最后进行图像融合。试验结果表明该方法能够很好地实现室内全景图像的拼接。     

动机器人视觉图像特征提取与匹配算法*

针对移动机器人导航过程中视觉图像处理速度慢以及特征点提取与匹配实时性和准确性差等特点,提出了一种基于SIFT特征提取算法与KD树搜索匹配算法相结合的新方法,通过对候选特征点进行多次模糊处理,使其分布在高斯差分图像的灰度轮廓线边缘,利用SIFT特征提取算法找到满足极限约束的极值点;通过KD树最邻近点搜索和匹配算法使处理后的特征点与原始图像进行特征匹配,快速找出匹配正确的特征点。实验证明,该方法对环境光照、视野角度频繁变化的环境具有较强的鲁棒性,能够满足移动机器人自主导航过程中对视频图像处理的实时性和准确性     

全景图拼接中的一种快速图像点对应策略

根据两幅图像间点对应的要求,利用像素所在区域强度的变化,提出了一种基于模板的区域权值标记边缘检测方法（TBAWSED）．在此基础上提出了一种一种基于区域和基于特征相结合的快速点对应策略．在实际拍摄图像及合成图像的实验中均验证了该策略的有效性,在全景图像拼接研究的实践中,利用该策略求取图像的对应点,节省了大约50%的时间,证明了该策略中算法的高效率．     

一种简化的SIFT图像特征点提取算法*

针对目前尺度不变的图像特征点提取算法计算量较大,算法较复杂的问题,提出一种简化的SIFT图像特征点提取算法。此算法通过改变金字塔尺度空间的结构实现对SIFT特征点提取过程的简化,通过改变特征点描述子的结构实现对特征向量计算的简化,从而在保证算法鲁棒性的同时减少了计算量并增强了实时性。实验证明了该算法的有效性。     

一种高鲁棒性的全景图拼接算法

为了提高全景图生成的效率和准确度,本文提出了一种高鲁棒性的全景图像拼接算法。首先根据初始图像构造图像金字塔,然后结合最小局部熵差和自适应阈值的序贯相似检测算法实现全景图的拼接。实验结果表明,该算法具有抗噪声和几何失真的能力,对一般条件下获取的图像表现出较好的鲁棒性。     

基于尺度不变特征的影像自动拼接

影像拼接主要存在拼接错位和拼接缝的问题.本文首先采用RANSAC算法剔除SIFT特征匹配的误匹配点并进行初始单应矩阵估计;其次引入光束法平差消除误差的累积,实现精确的全局对准从而避免拼接错位;最后采用多波段融合消除拼接缝效应.试验证明,本文实现的影像自动拼接算法很好地克服了以上问题,得到视觉效果较好的拼接影像.