基于显著性权重融合的图像拼接算法

针对传统的加权平均融合图像拼接算法中,图像重叠区域仍存在拼接模糊痕迹,因此提出一种显著性权重融合图像拼接算法。利用显著性检测算法计算图像重叠区域显著性,对于不同区域给出不同的权重,得出最终的图像融合算法,并对图像进行拼接。在通用数据库上实验结果表明,显著性权重融合图像拼接算法能够很好地解决图像拼接错位、模糊等问题,并得到较好的图像拼接效果。     

SAR图像拼接效果的评价方法研究

合成孔径雷达图像拼接效果评价可以用来衡量拼接图像效果和拼接算法的优劣。针对拼接图像的配准效果及融合时拼缝消除效果,基于图像的结构相似度提出新的图像拼接效果评价准则。对不同图像配准算法和融合算法的拼接结果进行评估实验,结果证明了该准则的有效性。     

基于图像灰度的拼接技术研究

图像拼接技术就是将一组重叠图像拼接成一幅大型的无缝高分辨率图像的技术.首先给出图像拼接的流程,然后介绍几种基于图像灰度的拼接算法,并在此基础上对算法进行改进,提出多线程技术应用于图像拼接,提高运算速度.     

含噪无人机图像拼接方法

为解决传统图像拼接方法对含噪无人机(UAV)图像的拼接存在严重图像畸变的问题,提出一种基于欧拉弹性模型与加速稳健特征(SURF)算法的含噪无人机图像拼接方法.将欧拉弹性能量模型应用在无人机图像拼接的去噪预处理环节,通过SURF算法进行特征点的提取、描述与匹配,通过随机抽样一致性(RANSAC)算法进一步去除错误的特征匹配点,运用加权平均融合算法实现对含噪无人机图像的无缝拼接.实验结果表明,相比传统拼接算法,该方法能有效实现对含噪无人机图像的拼接,消除拼接图像的畸变现象,显著改善拼接图像质量.     

基于全局拼接的航拍图像拼接算法研究

研究航拍图像的拼接问题,提高图像拼接的准确度。由于当通过航拍获取的图像中部分图像相互存在重叠区域的比例不大时,造成拼接不准确。传统的区域的图像拼接算法无法将具有较小重叠区域的图像准确拼接。为了提高航拍图像拼接的准确率,提出一种全局的图像拼接算法,通过使用SIFT算法提取图像的SIFT特征点,根据位置误差最小的原则完成两幅图像的SIFT特征点匹配,最后利用整体最优化方法对拼接结果进行优化,采用全局特征点的拼接方法,可避免传统方法只利用重叠区域灰度特征而不能准确拼接低重叠度图像的问题。实验证明,改进方法利用图像的全局信息,准确地实现图像的拼接,取得了满意的结果。     

一种图像自动拼接的快速算法

针对现有基于灰度级相似的图像拼接方法的缺点,提出了一种图像自动拼接的快速算法。该算法综合考虑了图像拼接的精度和速度,在基准特征块的提取上,采用简单的边缘信息阈值法,实现了基准块的自主选取,提高了图像拼接的精度;在块搜索上,采用金字塔式分层搜索策略,提高了图像拼接的速度。实验证明,该算法扩展了传统拼接算法的适用范围,具有较好的性能。     

改进的全景图拼接融合算法

在全景图像理论的基础上,对现有的拼接算法进行研究和改进,采用基于像素点颜色变化特征和序列相似性检测拼接算法相结合的图像拼接融合方法对柱面全景图进行拼接。实验表明,与原有的算法相比,采用改进后算法的全景图拼接效果得到了改进,对柱面全景图像的拼接融合能取得满意的视觉效果。     

局部特征及视觉一致性的柱面全景拼接算法

目的 传统的基于平面拼接算法生成的全景图像存在严重的失真问题,很难保证良好的视觉一致性;而普通柱面拼接算法无法较好地满足实时性要求。为此,提出一种基于改进SIFT（scale-invariant feature transform）特征描述子的柱面全景图像拼接算法。方法 首先将待拼接的图像序列进行柱面投影,利用改进的SIFT特征检测器获取图像中的特征点,生成64维SIFT特征描述子;然后根据特征描述子之间的欧氏距离提取初始特征点对,利用RANSAC（random sample consensus）方法进一步剔除伪匹配特征点对并建立待拼接图像之间的空间变换矩阵;最后根据图像之间的空间变换矩阵进行图像配准,采用加权平均融合的方法完成图像的无缝拼接。结果 本文全景图拼接算法,可以有效地克服平面拼接算法存在的失真问题,保证了全景图像的视觉一致性。同时,相比普通柱面拼接算法,本文算法的拼接速度提高了近一倍。结论 通过对不同尺寸和数量的图像序列构建全景图,相对于平面拼接算法和普通柱面拼接算法,本文算法可以有效实现图像之间的拼接,生成宽视野、高分辨率的全景图像,且能够应用于对实时性要求比较高的图像拼接场合。     

一种改进的降低扭曲误差的快速图像拼接算法

通过提取SIFT特征进行图像拼接得到的全景图存在一定程度的扭曲误差,尤其当序列图像集合很大时,全景图扭曲现象更为严重。为提高全景图拼接质量,对Song Fuhua等人提出的图像拼接算法进行改进,首先改变参考图像的选取方式,提出图像序列中任意图像映射到与参考图像相同坐标系下的变换模型计算方法,并且在拼接过程中根据匹配特征点数目动态选取下次待拼接图像。与Song Fuhua等人提出的拼接算法相比,改进的图像拼接算法增加了图像重叠区域中SIFT特征点匹配对数,减小了参考图像SIFT特征检测区域。实验表明,提出的改进拼接算法提高了全景图拼接的时间效率,同时全景图扭曲现象也得到极大改善。     

一种消除图像拼接缝和鬼影的快速拼接算法

由于提取SIFT特征进行图像拼接的算法复杂度较高且不能很好地处理拼接缝和鬼影等问题,提出了一种消除拼接缝和鬼影的快速图像拼接算法.该算法首先划定提取SIFT特征的范围,计算出匹配特征点后使用RANSAC算法求取两幅图像间的坐标变换关系矩阵H,然后结合最佳缝合线算法和改进的加权平均融合算法实现无缝拼接.实验结果表明,提出的算法不仅有效地消除了拼接缝和鬼影,也提高了图像拼接的效率.     

结合变形函数和幂函数权重的图像拼接

针对图像拼接算法存在效率低下、特征点错误匹配、重影和拼接缝等问题，提出一种基于尺度不变特征变换、薄板样条函数和幂函数的图像拼接方法。该方法通过对输入图像进行采样匹配，计算输入图像间的点映射关系和重合区域，使用点映射关系对重合区域内的特征点进行定向配准，利用特征点集合计算出图像的局部扭曲模型，使用图像插值方法对图像进行变形映射；采用幂函数权重模型对变形图像中的像素进行平滑过渡，完成图像拼接。实验结果表明，在拼接相同图像的情况下，所提方法与传统的尺度不变特征变换算法相比，特征点配准效率提高了约59.78%，而且得到了更多的特征点对；与经典的图像拼接算法相比，该方法解决了图像的重影和拼接缝的问题，同时提高了图像的质量评估指标的得分。     

基于拼接缝自适应消除和全景图矫直的快速图像拼接算法

针对图像拼接存在色差过渡不均匀、图像倾斜扭曲及拼接效率低的现象，提出一种基于拼接缝自适应消除和全景图矫直的快速图像拼接算法。首先，用尺度不变特征变换（SIFT）提取图像指定区域特征点并用双向K近邻（KNN）算法进行图像配准，有效提高算法效率；其次，利用动态规划思想提出自适应公式找到最优拼接缝并用图像融合算法对其自适应消除，解决拼接缝色差过渡不均匀问题；最后，针对累积拼接误差形成全景图倾斜的现象，利用边缘检测算法提出自适应拟合四边形矫直模型，把原始全景图矫直为一个全新的全景图。所提算法与分块图像拼接和二叉树图像拼接算法相比，图像质量提升了5.84%~7.83%，拼接时间仅为原来的50%~70%。实验结果表明，该算法不仅通过自适应更新机制减少不同图像背景下拼接缝色差过渡不均匀的现象，从而提高了图像质量；而且提高了拼接效率，降低了全景图倾斜扭曲程度。     

基于改进快速鲁棒特征的图像快速拼接算法

针对快速鲁棒特性（SURF）算法实时性、鲁棒性等无法满足实际应用需求的问题,提出了一种对SURF的改进算法,实现图像快速拼接。改进的算法采用机器学习的方法,建立一个二进制分类器,识别出SURF提取的特征点中的关键特征点,并剔除非关键特征点。此外,采用Relief-F算法将改进的SURF描述子降维简化来完成图像配准。图像融合阶段采用带阈值的加权融合算法,实现了图像无缝拼接。实验结果表明,改进的算法具有较强的实时性和鲁棒性,并且提高了图像配准的效率,加快了图像拼接的速度。     

基于加速鲁棒特征的广角图像自动拼接校正算法

广角图像在全景图拼接中优势明显,然而,由于广角图像存在严重的透视畸变,往往导致拼接的效果不理想,甚至导致拼接失败。针对广角图像拼接中的透视畸变问题,提出一种广角图像自动拼接、校正算法。先计算出待拼接广角图像的特征点匹配对,求出图像拼接矩阵,对广角图像进行拼接;然后,根据图像采集时的镜头旋转角度计算出图像校正矩阵,对拼接后的全景图进行透视畸变校正。实验结果表明,基于该算法得到的全景图能够有效地消除透视畸变,达到较好的拼接效果。     

基于质量评价的无人机航拍图像拼接方法

针对大视差无人机航拍图像拼接中出现的错位、伪影问题,提出一种基于质量评价寻找最佳拼接缝的方法QEB-U。首先通过常规拼接缝估计得到初始拼接缝,然后根据无人机航拍图像的特点,综合考虑结构相似性、色差、纹理复杂度,提出一种新的质量评价函数对拼接缝上的每个像素进行评价,进而根据评价结果更新差异代价,之后再重新估计拼接缝。估计和评价过程重复执行,直到拼接缝趋于稳定则停止迭代,最后通过梯度融合生成最终结果。实验结果表明,所提方法可以避免大视差无人机航拍图像拼接中出现错位、伪影,优于目前几种无人机航拍图像拼接方法,且得到的拼接缝优先穿过道路、林地等区域,更加符合人类视觉感知,在常见的图像清晰度评价指标上表现良好。     

基于ORB算法和OECF模型的快速图像拼接研究

为了增加移动机器人视觉导航中的成像范围,提出了一种基于ORB算法和OECF模型的图像拼接算法,获取的图像进行预处理后,先利用SIFT算法提取特征点,再用ORB算法获取特征点的二进制码串描述子进行匹配,而后通过投影变换模型获取参数,最后估计摄像机的光电转换函数OECF（Opto-Electronic Conversion Function）,利用Laguerre OECF模型参数对拼接图像进行色彩调整,解决了多幅图像拼接中颜色不一致的问题。实验结果表明,该算法能有效地对图像进行拼接,配准速度和拼接视觉效果和优于其他算法。     

特定场景大视角视频拼接技术研究与实现

本文对视频拼接设计了一个简单的框架,主要是采用三路固定摄像进行实时拼接,在Uuntu16.04 系统安装 OpenCV开源库和CUDA8.0 软件包,并使用该系统搭建视频拼接框架系统。利用GPU编程技术,对视频拼接技术中最耗时 的特征匹配算法、细缝估计、多波段融合和扭曲映射算法进行加速。在计算资源足够的情况下,利用CUDA进行在线实时视 频流拼接。     

一种适于移动设备的全景图快速拼接方法

针对传统移动端全景图生成方法存在拼接速度慢、消耗内存以及存在接缝和“鬼影”等问题,提出了一种适用于移动设备的全景图生成算法。算法首先对源序列图像进行色彩校正,从而保证色彩及亮度均匀,以缩短后期图像融合时间;然后在全景图拼接过程中检测“鬼影”,同时运用梯度域目标移除和区域填充方法移除“鬼影”,利用泊松融合进行拼接后的平滑处理;同时在图像拼接过程中优化了内存分配机制,以减少在图像拼接过程中的内存消耗。通过编程实现了该算法,在配置为332MHz处理器和128MB内存的手机上对不同光照下拍摄的分辨率为1280×720的照片进行测试,并与传统的全局全景图拼接算法进行对比,若利用全局全景图拼接算法对2至9张源序列图像进行拼接,内存消耗为12.3~23.6MB,而提出的算法占用更少内存,分别为9.9~14.5MB。实验结果表明该方法消除图像接缝及“鬼影”较彻底,拼接速度快且节省内存,生成的最终全景图质量较好,可用于移动设备上的全景图拼接。     

基于GPU的车载全景视觉系统

针对大、中型车辆在行驶、泊车过程中存在的视觉盲区以及多路视频全景拼接难以实时等工程化问题,本文设计出一种基于FPGA和GPU平台的多路相机安全驾驶辅助系统.FPGA实现图像数据采集、参数传递等预处理,在GPU上实现拼接算法的并行加速.在算法上优化实现多相机自动化标定,生成融合参数表以获取精确的融合配准关系.实验结果表明,该系统可适应多路鱼眼相机的实时拼接,在TX2上稳定的拼接速度可达到33 fps.