找回密码 注册

基本信息

项目名称:
基于尺度聚类仿射过滤的图像拼接算法
小类:
信息技术
简介:
本文提出一种基于尺度聚类的特征点仿射过滤方法及其相应的拼接算法。利用图像的SIFT特征点的位置和尺度作为向量,通过对不同尺度特征点进行聚类分析具有较好稳定性的全局仿射变换,通过改变换对匹配特征点进行一致性过滤,并针对该方法的在图像拼接时遇到的问题,构建了一种基于网格覆盖的拼接算法提高拼接拟合度和稳定性,
详细介绍:
由于图片拍摄角度、相机参数和拍摄环境不同,局部匹配生成的仿射变换对会导致误差较大的拼接。如何构建一种方法,既能有效剔除错误匹配点,也能找到较优的全局匹配对,还能保持算法过滤匹配点数量的稳定,是解决这一问题的关键。 本文通过实验对算法进行测试,在实验过程中,为度量过滤结果稳定性和边缘拼接效果,本文采用特征点骨架图和相应的函数对拼接效果进行量化,实验结果表明本文提出的算法在图像拼接过程中具有较好的稳定性和拟合度,具有较好的实用价值。

作品专业信息

撰写目的和基本思路

提出一种基于尺度聚类的特征点仿射过滤方法及其相应的拼接算法。本文利用图像的SIFT特征点的位置和尺度组合成数据向量,通过对不同尺度特征点进行聚类分析得到具有较好稳定性的全局仿射变换,通过该变换对匹配特征点进行一致性过滤,并对图像拼接过程中出现的问题,构建了一种基于网格覆盖的拼接算法提高拼接拟合度和稳定性。

科学性、先进性及独特之处

本文提出一种基于尺度聚类的特征点过滤方法对匹配特征点进行过滤,使得在过滤过程中过滤后特征点不仅要有效剔除错误匹配点,同时具备较好位置和数量的稳定性以及分布的全局性。此外,在此基础上本文还构建了相应的边缘拼接的方法来提高图像拼接稳定性和拟合度。

应用价值和现实意义

利用本文提出一种基于尺度聚类的特征点过滤方法对匹配特征点进行过滤,使得在过滤过程中过滤后特征点不仅要有效剔除错误匹配点,同时具备较好位置和数量的稳定性以及分布的全局性。通过改变换对匹配特征点进行一致性过滤,并针对该方法的在图像拼接时遇到的问题,构建了一种基于网格覆盖的拼接算法提高拼接拟合度和稳定性。图像特征点对图像进行拼接成为目前商业和研究的主要方法。

学术论文摘要

提出一种基于尺度聚类的特征点仿射过滤方法及其相应的拼接算法。本文利用图像的SIFT特征点的位置和尺度组合成数据向量,通过对不同尺度特征点进行聚类分析得到具有较好稳定性的全局仿射变换,通过该变换对匹配特征点进行一致性过滤,并对图像拼接过程中出现的问题,构建了一种基于网格覆盖的拼接算法提高拼接拟合度和稳定性,本文通过实验对算法进行测试,在实验过程中,为度量过滤结果稳定性和边缘拼接效果,本文构建了相应的视觉和定量评价指标来对比算法性能,实验结果表明本文提出的算法在图像拼接过程中具有较好的稳定性和拟合度,具有较好的实用价值。

获奖情况

被《东北大学学报》录用

鉴定结果

参考文献

[1]BrownM, Lowe D G. Recognizing panoramas[A ]. In: Proceedings of the Ninth IEEE International Conference on Computer Vision -Volume 2 [C ] , Washington, DC, USA, 2003: 1218~1225. [2]Shum H Y, Szeliski R. Panoramic Image Mosaics[ R ]. MSR - TR -97 - 23, Microsoft Research Center. [3] Szeliski R, Kang S. Direct methods for visual scene reconstruction 342 中国图象图形学报[A]. In: IEEE Workshop on Representations of Visual Scenes[ C ] ,Cambridge, Massachusetts, USA, 1995: 26~33. [4] ZHAO Xiang - yang, Du Li - min. An automatic and robust image mosaic algorithm[ J ]. Journal of Image and Graphics, 2004, 9 (4) :417~422. [赵向阳, 杜立民. 一种全自动稳健的图像自动拼接融合算法[ J ]. 中国图象图形学报, 2004, 9 (4) : 417~422. ] [5] 解凯,郭恒业,张田文. 图像Mosaics技术综述[J]. 电子学报. 2004,32(4). [6] Kitchen, A Rosenfeld. Analysis of Gray Level Corner Detection[J]. Pattern Recognition Letters, 1999,20(2):149162.

同类课题研究水平概述

图像拼接通常可分为基于特征点匹配方法[1,4]和基于像素灰度差最小化方法[2,3]。目前基于图像特征点的拼接算法成为商业软件采用的普遍方法,如Autostitch、Serif Panorama Plus、Autopano等。特征点研究中,早期Kitchen和Rosellfeld等提出的一种利用二阶偏导数检测角点[6]。Dreschler和Nage通过搜索高斯曲线的局部极值检测特征点[7],后来Forstnert提出了一种基于一阶导数的角点检测算子[8],具有较好的鲁棒性。1988年,C.Harris和M.J.Stephens提出了一种基于信号的点特征提取算子[9],即经典Harris算子,能够高效提取图像具有较好稳定性的角点特征。其后Schmid等对特征点检测和特征点稳定性作了大量的实验分析和比较,提出了一种改进的Harris算子[10]。1999年D.G.Lowe提出了具有里程碑意义的SIFT (Scale Invariant Feature Transform,简记SIFT) 图像局部特征描述算子[14],这是一种基于尺度空间的,对图像缩放、旋转甚至仿射变换保持不变性,具有良好抗噪能力的图像局部特征描述算子。如图1所示,该方法通过高斯金字塔模拟多对尺度下的图像,并构建差分金字塔DoG(Difference of Gauss,简记DoG),检测DoG金字塔下的极值点来获取稳定的特征点[15]。 利用图像特征点对图像进行拼接成为目前商业和研究的主要方法。图像拼接的核心问题是,如何从相互叠加图片集的大量匹配特征点过滤掉错误和不稳定的特征点,以减少拼接过程中产生误差较大仿射变换而导致拟合度较差的拼接。为解决这一问题,本文提出一种基于尺度聚类的特征点过滤方法对匹配特征点进行过滤,使得在过滤过程中过滤后特征点不仅要有效剔除错误匹配点,同时具备较好位置和数量的稳定性以及分布的全局性。此外,在此基础上本文还构建了相应的边缘拼接的方法来提高图像拼接稳定性和拟合度。
建议反馈 返回顶部