基于视频序列的数字图像拼接技术研究进展

基于视频序列的数字图像拼接是指将具有重叠区的多帧视频通过数字配准和融合获得单幅宽视场静态全景图或动态全景图.基于视频序列的数字图像拼接技术主要包括全局快速配准算法、运动目标分割算法和无缝融合算法.首先分析理想数字图像拼接系统的特性,然后介绍近年来基于视频序列的数字图像拼接技术的研究进展,最后分析其研究动向.     

一种色彩校正算法研究与实现

数字图像拼接是指将具有重叠区的多幅数字图像或多帧视频,通过配准和融合获得单幅宽视场图像或者动态全景图。在实际应用中,图像因色彩不一致,而利于图像的配准和融合,因此有必要研究图像色彩的校正。文中首先论述了彩色图像的色彩空间以及它们之间的转换关系,然后介绍了常用的色彩校正方法,最后提出了基于Gamma和Linear调整的色彩校正算法。该算法将图像转换到YCbCr色彩空间,对亮度分量进行Gamma校正,对色度分量进行线性校正,实验结果表明,与以往的校正算法相比,校正效果有一定的改善。     

星载拼接相机图像实时校正系统的研究

为了实时对多TDI-CCD拼接后获得准确与高质量的大视场图像,建立了多片TDI-CCD拼接相机像元实时校正系统.对该系统的图像拼接与灰度融合算法进行研究并对硬件实现方法加以介绍.对多片TDICCD拼接技术以及由此带来的图像错位与像元不均匀性进行了介绍,采用输出缓存技术实现拼接TDI-CCD奇偶片输出图像配准,应用比值平均法校正拼接片间的灰度不均匀性,实现实时大视场拼接校正.并将整套算法在Xilinx公司的Spartan 3系列的FPGA平台上实现,得以构成多TDI-CCD拼接校正系统.实验结果表明,该系统可以自动对3片2048像元的TDI-CCD拼接配准与灰度校正,获得清晰的大视场图像,满足系统实时性的要求.     

基于焊缝图像拼接算法的研究

为实现焊缝图像的快速拼接,提出一种新的图像拼接模型。首先将图像预处理,以提取焊缝图像边缘,然后提出一种新的图像配准算法,采用取平均值的图像融合算法实现图像的拼接操作。实验结果表明,该方法能够提高焊缝图像的配准速度,拼接效果较好。     

一种大视场TDICCD相机的多传感器图像配准方法

某大视场TDICCD相机采用多片TDICCD拼接,多通道输出全色和多光谱遥感图像,为了获得良好的融合和拼接效果,本文提出了一种基于双线性插值的空域互相关配准方法。首先,应用双线性插值算法对多光谱各谱段图像进行放大,得到和全色图像相同大小的多光谱图像。然后,采用空域互相关配准方法对多光谱各谱段图像和全色图像进行配准,并对有重叠像元的两通道图像进行拼接。实验结果表明,本文方法快速,抗噪性和鲁棒性较高,使大视场TDICCD相机多通道遥感图像配准取得了良好的效果。     

图像融合与拼接算法在无人机电力巡检系统中的应用

图像融合与拼接技术是数据综合处理过程中的新兴技术,该技术在军事领域和民用领域都有广阔的发展应用前景。无人机电力巡检系统中的图像处理算法包括图像预处理、图像配准、图像拼接和拼接缝消除算法。首先运用改进后的图像预处理算法对获取的图像进行优化,其次应用图像融合与拼接算法对多角度图像进行拼接,最后利用新型拼接缝消除算法消除拼接缝。实验结果表明,将整套算法应用于无人机巡检系统中,可对存在一定重叠和旋转的多幅图像进行自动拼接,获得无缝、清晰的大视场图像。     

基于改进型特征匹配的图像拼接方案设计

探讨了图像拼接技术,分析了几种常用的配准算法,指出各算法的优缺点及适用环境,并综合考虑了图像拼接的信息提取、特征匹配、变换模型及图像融合等环节,提出一种基于改进型特征匹配的拼接设计方案,显著提高了图像拼接的准确率和效率.     

基于SURF的敦煌壁画数字图像智能拼接系统研究

针对敦煌壁画数字图像拼接数据量大、计算耗时长这一急待解决的技术难题,构建了敦煌壁画数字图像智能拼接系统的总体结构;提出并实现了基于SURF的图像配准算法,该算法在积分图像的基础上进行快速计算,通过快速Hes-sian检测子来检测特征点;通过计算哈尔小波变换,确定其主方向及特征点描述子,并根据描述向量之间的欧式距离实现图像间的特征点的匹配;最后,采用渐入渐出的图像融合算法实现了图像拼接系统。实验表明：该系统既能满足匹配准确性的要求,又具有计算量小,计算速度快的优点。     

基于SIFT和相位相关的图像拼接

在图像拼接算法中,SIFT算子应对图像间复杂的变化较其他算子鲁棒性最好.对于多幅拼接,直接采用SIFT配准运算量庞大.本文首先利用相位相关法确定图片之间的位置关系,再用SIFT特征点实现两两配准,最后,将HSI加入到传统的淡入淡出融合算法中,得到了亮度均匀的无缝全景图.     

红外与可见光图像实时配准融合系统

描述了一个自主研制的基于实时分布式多处理机的图像配准和融合系统的设计与实现方案。本系统是具有并行计算机体系结构的通用高速实时图像融合处理系统,选择VxWorks实时操作系统和VEM64x总线的软硬件平台,采用AD公司新型的TS101DSP处理器为核心,多DSP处理器分布并行进行处理,完成多源图像实时高速配准和融合需要进行的大量运算,CPLD芯片完成了采集控制以及多传感器视频同步。由于采用了基于高性能DSP的实时嵌入式系统和通用标准化总线结构设计,该系统可以灵活地应用多种配准和融合算法来实现可见光和红外双通道数字图像的高速实时融合处理,比较好地解决多尺度图像配准融合算法的大数据量计算处理与系统实时性要求之间的矛盾,为多传感器实时图像配准融合处理系统的研制奠定了良好的技术基础。     

基于相位相关模板匹配的全景图像拼接

本系统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,并针对图像拼接中的图像配准参数估计问题,提出了一种扩展相位相关法与优化相结合的参数估计方法。基于相位相关模板匹配采用相位相关法估计出相互间存在旋转和平移的两幅部分重叠的图像的初始变换参数,然后对参数进行优化而得到最终准确...     

基于改进加权融合算法的运动场景图像拼接

在图像匹配、融合过程中,由于图像中运动物体的存在,使得融合后的图像可能出现鬼影。鬼影消除一直是图像拼接技术的重点和难点。针对这一问题,现提出一种基于SIFT和改进加权融合的运动场景图像拼接方法。首先,采用对尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,使用RANSAC算法求出图像间的变换矩阵H,最后利用文中提出的改进加权融合算法完成图像的无缝拼接。整个过程完全自动地实现运动场景的图像拼接,消除了运动鬼影。实验结果验证了该方法的有效性。     

色差图像的数字图像拼接算法

针对有明显色彩和亮度差异的图片,在进行传统的图像拼接后,会产生肉眼可见的拼接缝,严重影响拼接效果。因此,提出一种针对存在色差的图像拼接算法。首先,计算相邻图片间的色彩校正参数和每个彩色通道的全局色彩调整参数,选择适合的颜色和亮度,对每一幅图片进行色彩校正。其次,引入SIFT和RANSAC算法,实现了图像的准确配准。最后,采取0．1加权融合算法和平均融合算法结合进行图像融合,得到最终的全景图像。实验结果表明,由于已经进行图像间的校正,减少了待拼接图像的色差,使得图像的融合更加简单。该算法对于存在色差的图片序列可以实现无缝快速的拼接,并且可根据需要调整图像的色彩和亮度。     

一种加入标志识别的图像拼接技术

图像拼接过程中,由于两张图片曝光度和拍摄角度不同,对应匹配区域无法正确识别,进而导致图像融合失败或者融合时间过长。针对此问题,利用高斯滤波对图像平滑处理,起到减少图像噪声的作用。此时,处理后的图像就不会因为曝光度等拍摄问题导致特征点配准出现误差。此外,针对有明显相同特征区域的两副图像,提出要标志共有区域,并以此为中心通过距离和角度的关系进行迭代,去除基于尺度不变特征变换(SIFT)算法提取的两副图像不匹配的特征点,进而减少后续匹配时间和提高图像拼接成功率。实验结果表明该算法的可行性。     

红外与微光图像开窗配准融合处理方法

为解决图像实时融合以及红外与微光图像视场大小不一致等问题,提出一种基于仿射变换的红外与微光图像开窗配准融合处理方法。首先以大视场微光图像为背景,对图像中人眼感兴趣的目标区域信息进行开窗,窗口的大小由系统硬件速度和配准融合算法的运算量决定,然后在相同的目标窗口区域,通过双线性插值和仿射变换建立一种红外与微光图像各个像素点的对应匹配关系来完成窗口图像的快速配准与融合,实验对开窗融合结果进行了分析与评价。结果表明,该方法在满足人眼观察需求的条件下既减小图像融合处理数据,又保留了重要的细节融合信息,有效地提高了图像融合的实时性,对兼顾硬件速度与实时性要求的图像融合系统具有较高的应用价值。     

基于边缘信息的图像融合算法研究

为了得到全局色调一致的无缝镶嵌融合图像，文章提出了一种基于边缘信息的图像融合方法。该方法根据融合区域的边缘强度信息，对融合区域进行图像增强处理，进而选取一组区域特征进行自适应动态加权，实现了不同图像在选定区域范围内的融合运算，使得被合成的图像完整、自然。通过两幅图像的融合实验，证明了该算法在边缘上保持良好的视觉效果。     

基于多参数配准模型的脑核磁影像分割算法

配准技术在基于多图谱的分割方法中能有效地将医学图谱的先验知识融入分割过程,再结合以高效的标记融合算法,最终实现精确地自动分割.针对图谱配准的较大误差及其对标记融合的重要影响,本文建立了一种新的概率图模型框架并以此提出了基于多参数配准模型的分割算法,将此方法与高效的标记融合算法相结合,可以提高目标图像中特定组织区域的分割精度,更使其在少量图谱分割的情形下具有重要应用.首先,使用多种配准参数对所有目标图像进行配准;然后,分别采用不同的算法对配准图像进行灰度融合和标记融合,实现训练图像的重构过程;最后,利用高效的标记融合算法对重构后的图像进行融合得到最终精确的分割结果.实验结果表明该方法均优于本文其他分割算法,能够有效提升脑部组织分割精度.