文献检索论文全景图像拼接技术综述文档格式.docx

文献检索论文全景图像拼接技术综述文档格式.docx

《文献检索论文全景图像拼接技术综述文档格式.docx》由会员分享，可在线阅读，更多相关《文献检索论文全景图像拼接技术综述文档格式.docx（9页珍藏版）》请在冰豆网上搜索。

中国学术期刊（光盘版）电子杂志社著作权声明

三、检索词全景图像柱面全景图像拼接算法技术

四、检索过程概述

首先进入中国知网的页面，点击“中国学术期刊网络出版总库”，选择标准检索，运用的检索式是：

主题，全景图像，共446条左右的记录。

再次运用检索式是：

主题（全景图像and拼接算法），得到了54条结果，检索式是：

（全景图像and应用）and发展，得到16条结果，检索式（全景图像and拼接技术），得到19条结果，选择了相关度最高的十篇文献下载下来，结束检索。

五、相关度最高的十篇文献的文摘信息

[1]华顺刚;

曾令宜;

欧宗瑛.一种快速的柱面全景图像拼接算法[J].数据采集与处理,2006,（04）;

434-438

【摘要】基于等距离匹配思想,提出一种快速的柱面全景图像拼接算法。

对于相邻两幅待匹配图像,设定相同大小的比较区域,从两幅图像中心垂线开始向重叠方向同步长移动并进行比较。

在比较区域中采取随机取点的方式,计算对应点的颜色差值并累加,若达到某一设定阈值,则停止计算,移动比较过程中,计算次数最多的比较区域中心位置即为最佳匹配位置。

该算法可以尽早排除非匹配位置,减少计算量,提高全景图像生成速度。

利用该算法思想对随机顺序输入的场景图像序列进行排序,可以获得按照实际场景内容排列的图像序列,然后进行全景图像匹配拼接。

实验结果表明该算法快速有效。

【关键词】基于图像的绘制;

柱面全景图;

图像拼接;

等距离匹配;

[2]吴宪祥;

郭宝龙;

王娟.基于相位相关的柱面全景图像自动拼接算法[J].光学学报,2009,（07）;

1824-1829

【摘要】提出了一种基于相位相关法的柱面全景图像自动拼接算法。

首先推导了柱面投影公式、柱面平移量和平面平移量之间的对应公式;

然后利用改进的相位相关法计算出归一化相位相关度的峰值及峰值点坐标,利用峰值作为相关度准则判断两幅图像是否存在重叠部分,利用最大相关度求交自动确定头尾图像,利用峰值点坐标判断两幅相邻图像的位置关系;

最后将环绕拍摄的序列图像投影到柱面坐标系下,根据计算得到的变换参数进行图像拼接并融合得到柱面全景图像。

实验结果表明,该算法能有效地实现顺序混乱的序列图像的自动排序和柱面全景图像拼接,具有较高的稳健性和拼接精度。

【关键词】图像处理;

相位相关;

自动排序;

柱面投影;

[3]杨艳伟;

郭宝龙.柱面全景图像自动拼接算法[J].计算机工程与应用,2012,（09）;

171-173

【摘要】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SIFT（ScaleInvariantFeatureTransform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。

【关键词】柱面全景图;

尺度不变特征变换;

图像配准;

图像拼接;

[4]臧艳红.基于全景图像的拼接算法研究[J].微计算机信息,2007,（18）,311-312+299

【摘要】IBR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。

论文从工程实际应用的角度出发,提出并实现了一种图像拼接的新方法。

该方法即可用于全景控件图像的拼接,也可用于普通图像的拼接。

试验证明,此方法在全景图像的生成中具有自动拼接、效率高等优点。

【关键词】全景图像;

IBR;

[5]曹俊杰;

封靖波;

苏志勋.全景图像拼接算法[J].大连理工大学学报,2003.（S1）;

180-182

【摘要】提出了一种新的柱面图像拼接算法,即利用相邻2幅图像中的2组特征点,确定2幅图像的位置关系.该算法可自动对照相机水平环拍的1组图像进行无缝拼接,得到1幅360°

的柱面全景图像.实验结果验证了算法的有效性。

【关键词】全景图;

梯度;

中值滤波;

[6]伍胜男;

伍春洪.全景图像技术及其应用[J].科技通报,2005.（06）;

80-83

【摘要】全景图像技术是一种通过微透镜阵列来记录和显示全真的三维场景的三维图像技术。

这种技术的记录过程不需要采用相干光源,同时对观看者也不要求佩戴特殊眼镜。

这些特点使这一技术有着十分广泛的应用前景。

本文介绍了全景图像系统及它在三维电视、立体印刷、深度测量方面的应用。

【关键词】全景图像;

三维图像;

三维电视;

立体印刷;

深度测量;

[7]张世阳;

王俊杰;

胡运发.一种快速全景图像拼接技术[J].计算机应用与软件,2004,（03）;

77-79

【摘要】目前,全景图像的拼接是基于图像绘制技术（IBR）研究的主要内容。

本文提出一种新的快速有效的全景图像的拼接算法。

在图像对齐中,对基于快速傅立叶变换（FFT）的相位相关度法进行了改进,提出了2幂子图像的概念,采用了基于2幂子图像的FFT对齐方法,从而减小了FFT的计算量,使改进后的算法对图像对齐更加快速和减小图像间重叠率。

在柱面坐标下,使用迭代方法计算照相机焦距参数。

并采用融合前平滑过渡的算法。

最后就实际的系统IMV进行实验证明。

【关键词】全景图;

相位相关度;

幂子图像;

平滑过渡;

[8]崔汉国;

曹茂春;

欧阳清.柱面全景图像拼合算法研究[J].计算机程,2004.（16）;

158-159

【摘要】IBR技术是近几年来在基于传统几何图形建模方法基础上发展起来的一种新的绘制方法,它用数码相机拍摄到的或计算机生成的照片来绘制新视点处的图像,具有绘制速度与场景的复杂度无关的特点。

论文从实际应用的角度,提出并实现了图像拼合的新算法,新算法结合了手动拼合与自动拼合算法的优点,既可用于全景空间图像拼合,亦可用于普通图像的拼合,效率高。

【关键词】虚拟现实;

基于图像的绘制;

实时图形生成;

[9]王晓燕;

戴青;

郝力;

360度柱面全景图像的生成[J].微计算机信息,2006（16）;

227-229+121

【摘要】基于图象的漫游系统,使用计算机对多幅离散的实景图像或连续的视频自动拼接,变形与组织,能够生成具有照片质量视觉效果的虚拟场景。

浏览者可在这个虚拟实景空间中进行前进、后退、环视、仰视、俯视等漫游。

本文介绍了什么是全景图,以及一个简单的360度全景图的生成过程,并着重介绍了其实现的步骤。

虚拟现实;

图像处理;

图像匹配;

无缝拼接;

[10]黄有群;

付裕;

马广焜.基于RANSAC算法的柱面全景图拼接方法[J].沈阳工业大学学报,2008.（04）;

461-465

【摘要】针对RANSAC算法只适用于平面图像配准的局限,将RANSAC算法应用于柱面图像上,设计了一套适合柱面全景图像拼接的算法.整个算法用匹配特征点对之间的关系解决了两幅图像的旋转、垂直偏移以及柱面图像拼接时的月牙缺陷问题.实验结果表明,该方法能正确找到两幅图像的重叠位置,实现自动拼接,在基于柱面投影的全景图生成中应用,效果良好。

【关键词】图像配准;

RANSAC算法;

特征点提取;

图像拼接技术综述

摘　要:

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。

关键词:

全景图像;

图像配准;

图像融合

引言

图像拼接技术就是将数张有重叠部分的图像（可能是不同时间、不同视角或者不同传感器获得的）拼成一幅大型的无缝高分辨率图像的技术。

使用普通相机获取宽视野的场景图

像时,因为相机的分辨率一定,拍摄的场景越大,得到的图像分辨率就越低;

而全景相机、广角镜头等不仅非常昂贵,而且失真也比较严重。

为了在不降低图像分辨率的条件下获取超宽视

角甚至360°

的全景图,利用计算机进行图像拼接被提出并逐渐研究发展起来。

现在,图像拼接技术已经成为计算机图形学的研究焦点,被广泛应用于空间探测、遥感图像处理、医学图像分析、视频压缩和传输、虚拟现实技术、超分辨率重构等领域。

图像配准和图像融合是图像拼接的两个关键技术。

图像配准是图像融合的基础,而且图像配准算法的计算量一般非常

大,因此图像拼接技术的发展很大程度上取决于图像配准技术的创新。

早期的图像配准技术主要采用点匹配法,这类方法速度慢、精度低,而且常常需要人工选取初始匹配点,无法适应大数据量图像的融合。

近十年来,许多图像自动拼接技术被提出并实现。

1992年,剑桥大学的Brown概述了图像配准技术的基本理论以及主要方法[1]。

2003年,Zitová

等人综述了随后十年的图像配准领域的相关方法[2]。

2004年,国内关于图像拼接技术的综述性文献[3]把图像拼接技术分为基于自适应流形和基于人工确定流形两类进行论述,但是一些较新的技术没有

介绍。

图像拼接流程

图像拼接的方法[12]很多,不同的算法步骤会有一定差异,但大致的过程是相同的。

一般来说,图像拼接主要包括以下五步:

a）图像预处理。

包括数字图像处理的基本操作（如去噪、边缘提取、直方图处理等）、建立图像的匹配模板以及对图像进行某种变换（如傅里叶变换、小波变换等）等操作。

b）图像配准。

就是采用一定的匹配策略,找出待拼接图像中的模板或特征点在参考图像中对应的位置,进而确定两幅图像之间的变换关系。

c）建立变换模型。

根据模板或者图像特征之间的对应关系,计算出数学模型中的各参数值,从而建立两幅图像的数学变换模型。

d）统一坐标变换。

根据建立的数学转换模型,将待拼接图像转换到参考图像的坐标系中,完成统一坐标变换。

e）融合重构。

将带拼接图像的重合区域进行融合得到拼接重构的平滑无缝全景图像。

图像配准

图像拼接的关键是精确找出相邻两张图像中重叠部分的位置,然后确定两张图像的变换关系,即图像配准。

由于视角、拍摄时间、分辨率、光照强度、传感器类型等的差异,待拼接的

图像往往存在平移、旋转、尺度变化、透视形变、色差、扭曲、运动目标遮挡等差别,配准的目的就是找出一种最能描述待拼接图像之间映射关系的变换模型。

目前常用的一些空间变换模型有平移变换、刚性变换、仿射变换以及投影变换[4]

可以用矩阵的形式来描述上述关系模型（8参数模型）:

=

=M

其中:

参数矩阵M中各参数的作用如表1所示。

（表格见下一页）

参数

作用

m2

水平方向位移

m5

垂直方向位移

m0m1　m3　m4

尺度和旋转量

m6m7

水平与垂直方向的变形量

根据各参数的意义及不同变换模型的特点,对矩阵M作相应简化就可以得到各变换模型的参数矩阵。

本文主要讨论刚性变换模型图像配准的一些算法,即只考虑平移、旋转和尺度缩放。

设I1为与I2具有平移、旋转和尺度关系的图像:

I1（x,y）=I2[s（xcosθ0+ysinθ0）-Δx,s（-xsinθ0+ycosθ0）-Δy]

（Δx,Δy）为平移参数;

θ0为旋转角;

s为尺度缩放因子。

图像的平移关系比较容易检测和配准,但旋转和尺度缩放的检测比较困难。

许多新的图像配准算法都是针对这一特点进行算法设计的。

图像配准算法大体可分为基于特征的图像配准和基于区域的图像配准两类。

1基于特征的图像配准

基于特征的图像拼接是利用图像的明显特征来估计图像之间的变换,而不是利用图像全部的信息。

这些明显特征如图像的特征点（角点或关键点）、轮廓和一些不变矩等。

2.1控制点配准算法

根据前面提到的8参数模型,图像的配准问题可以归结为求解对应点集。

在待配准的图像中选取一些特征点,对准了这些特征点,两幅图像也就配准了。

控制点法往往要借助人工选取初始匹配点[4],这大大降低了算法的速度和适用范围。

因此有必要采用一些数学方法自动实现图像间对应控制点的选取。

2.2　自动角点检测配准算法

这类算法通过检测图像中的角点,然后对两幅图像的角点按照一定的配准原则进行配准,最后剔除误匹配对,得到正确的配准结果。

角点没有明确的数学定义。

一般认为角点是二维图像亮度变化剧烈的点或图像边缘曲线上曲率极大值的点。

这些点在保留图像图形重要特征的同时,可以有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度和配准的可靠性,使得实时处理成为可能。

图像的角点检测方法可概括为两类。

第一类方法先将图像分割为区域,用链码表示目标边界,然后通过方向变化确定角点。

这种方法的主要缺点是角点检测的结果依赖于前面的图像分割结果。

第二类方法直接对图像灰度级进行操作,这些方法主要利用梯度和曲率度量检测角点。

经典的第二类角点检测算法包括Harris角点检测算法[5]、SUSAN（smallestunivaluesegmentassimilatingnucleus,最小同值分割吸收核）角点检测算法以及DoG（difference2of2Gaussian,双高斯差）算子角点检测算[6]。

具体的配准步骤为:

a）利用角点检测算子检测图像中的角点;

b）利用控制点匹配算法对检测到的角点进行匹配,找出角点匹配对;

c）剔除伪匹配对,得到正确匹配对,根据这些匹配对计算出变换参数;

d）进行拼接融合得到全景图像。

基于特征点的配准算法量较小,配准精度高,缺点是边缘信息少的图像、大旋转和大尺度缩放的图像和多光谱图像不能很好地进行配准。

2.3　基于轮廓特征的配准算法

基于轮廓特征的配准算法首先对图像进行直方图均衡和去噪处理,再对图像进行轮廓提取,然后对提取的轮廓进行配准,进而确定重叠区域。

轮廓的匹配准则可以选取链码相关或者其他一些相似性准则,如主轴和不变矩等。

文献[7]利用两幅图像中分割得到的较大轮廓的质心进行匹配估计出变换参数,从而达到配准的目的。

基于轮廓特征的配准算法适用于光照不一致、存在尺度关系及旋转的图像。

该方法需要准确提取出明显的轮廓特征,对于数据的缺失比较敏感,要求两幅图像的对应轮廓要比较完整。

对于轮廓特征不明显或噪声干扰较大的图像不适用。

文献[8]给出了两种基于轮廓的配准方法:

一种基本的基于轮廓的配准方法适于配准轮廓明显、噪声小的可见光图像;

另一种弹性的基于轮廓的配准方法可以用来处理轮廓特征不明显、噪声大的SAR图像。

2.4　基于SIFT（尺度不变特征变换）的配准算法

SIFT（scaleinvariantfeaturetransform）配准算法由Lowe于1999年提出,2004年完善总结[9,10]。

该算法利用图像关键点的SIFT特征向量进行匹配,是目前国内外特征点配准领域的研究热点。

基于SIFT的配准算法主要步骤如下:

a）检测尺度空间极值点,初步确定关键点的位置和所在

尺度。

图像I（x,y）在不同尺度下的尺度空间可表示为图像与高

斯核的卷积:

L（x,y,σ）=G（x,y,σ）×

I（x,y）

G（x,y,σ）=1/（2πσ2）e-（x2+y2）/2σ2

是尺度可变高斯函数;

（x,y）是图像像素位置;

σ为尺度空间因子。

为了有效地在尺度空间检测到稳定的关键点,Lowe在图像平面空间和DoG尺度空间同时检测局部极值以作为特征点。

DoG算子定义为两个不同尺度的高斯核的差分:

D（x,y,σ）=[G（x,y,kσ）-G（x,y,σ）]×

I（x,y）=L（x,y,kσ）-L（x,y,σ）

b）精确确定关键点的位置和尺度,同时剔除低对比度的关键点和不稳定的边缘响应点。

c）分配关键点方向。

利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数,保证SIFT算子的旋转不变性。

关键点所在尺度的梯度模值和方向为

m（x,y）=sqrt（[L（x+1,y）-L（x-1,y）]2+[L（x,y+1）-L（x,y-1）]2）

θ（x,y）=tan-1{[L（x,y+1）-L（x,y-1）]/L（x+1,y）-L（x-1,y）]}

d）生成关键点描述子。

将坐标轴旋转为关键点的方向,

然后以关键点为中心取8×

8的窗口,计算每个4×

4的小块上八个方向的梯度方向直方图,每个梯度方向的累加值形成一个种子点。

实际计算过程中,为了增强匹配的稳健性,Lowe建议对每个关键点使用4×

4共16个种子点来描述。

这样对于一个关键点就可以产生128个数据,形成128维的SIFT特征向量。

e）生成两幅图像的SIFT特征向量后,采用关键点特征向量的欧式距离作为两幅图像中关键点的相似性判定准则。

得到满足准则的SIFT匹配点对。

f）根据得到的SIFT匹配点对计算出图像的变换参数。

g）进行拼接融合得到全景图像。

SIFT特征是图像的局部特征,对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也具有一定的鲁棒性。

图像的融合

图像融合是图像拼接的另一个关键技术。

图像融合是将两幅已配准图像中有用信息综合到一幅图像中并以可视化方法显示的技术。

配准后的图像由于分辨率和视角的不同以及光照等因素的影响,有时甚至是多光谱图像之间进行的拼接,在图像拼接的重叠部分有时会产生模糊、鬼影或噪声点,边界处也可能形成明显的拼缝。

为了改善拼接图像的视觉效果和客观质量,需要对拼接后的图像进行融合。

基于变换域的融合算法

随着Wavelet、Ridgelet、Curvelet和Contourlet变换的发展,也出现了一些基于它们的图像融合算法。

这类算法的基本思想是先对图像进行Wavelet、Ridgelet、Curvelet或Contourlet变换,在变换域内利用一定的规则进行融合,将融合结果进行逆变换得到融合图像。

例如NI等人[11]利用Contourlet变换多传感器遥感图像进行了融合。

结束语

本文介绍了图像拼接技术的相关技术和研究现状,总结了图像配准和图像融合的主要方法,并分析了各种配准算法的优缺点。

基于特征的图像配准方法对于特征明显的图像比较适用,但是对于多光谱图像的配准效果往往不理想;

基于对数极坐标傅里叶变换的方法能有效解决平移、旋转和尺度缩放问题,对图像的尺寸和重合度要求较高;

基于SIFT（尺度不变特征变换）的图像配准方法是目前的研究热点,性能优秀,但是算法复杂度较高。

展望未来,图像拼接技术应该在提高算法的运算速度、拼接精度、自动化程度和鲁棒性等方面进行深入研究。

参考文献：

[1]BROWNLG.Asurveyofimageregistrationtechniques[J].ACMComputingSurveys,1992,24（4）:

3252376.

[2]ZITOVB,FLUSSERJ.Imageregistrationmethods:

asurvey[J].ImageandVisionComputing,2003,21（11）:

97721000.

[3]解凯,郭恒业,张田文.图像Mosaic技术综述[J].电子学报,2004,32（4）:

6302633.

[4]SZELISKIR.Videomosaicsforvirtualenvironments[J].IEEEComputerGraphicsandApplications,1996,16

（2）:

22230.

[5]HARRISC,STEPHENSM.Acombinedcornerandedgedetector[C]//ProcofthethAlveyVisionConference.Manchester:

[s.n.],1988:

1472151.

[6]赵文彬,张艳宁.角点检测技术综述[J].计算机应用研究,2006,23（10）:

17219.

[7]刘小军,周越.基于轮廓特征的SAR图像自动配准[J].计算机工程,2007,33（4）:

1762178.

[8]LIHui,MANJUNATHBS,MITRASK.Acontour2basedapproachtomultisensorimageregistration[J].IEEETransonImageProcessing,1995,4（3）:

3202334.

[9]王修晖,华炜,鲍虎军.多投影显示墙的全局颜色校正[J].计算机辅助设计与图形学学报,2007,19

（1）:

962101.

[10]LOWEDG.Distinctiveimagefeaturesfromscale2invariantkeypoints[J].InternationalJournalofComputerVision,2004,60

（2）:

912110.

[11]NIWei,GUOBao2long,YANGLiu.DatafusionofmultisensorremotesensingimagesusingregionbasedContourletcontrast[J].JournalofAstronautics,2007,28

（2）:

3642369.

[12]WOBERGG,ZOKAIS.Robustimageregistrationusinglogpolartransform[C].ProcofIEEEIntConfonImageProcessing.Piscateway:

IEEE,2000:

4932496.