基于配准算法的图像拼接与融合技术研究

菜单

摘要：图像拼接技术是图像处理领域里的一个重要分支，它在计算机视觉、全景图构造、医学图像处理应用等领域都有着广泛的应用。拼接效果的好坏主要依赖于图像的配准精度。本文主要研究基于特征点的图像配准拼接与融合技术，该技术一般包括特征点检测、图像配准和图像融合三个部分。本文首先通过Harris算法提取图像中的角点，构造灰度差分不变量，然后用欧氏距离衡量图像之间的相似程度，再用半领域限制进行细配，最后用仿射变换删除错误的匹配点对，得到最终的匹配点对进行配准。55745

毕业论文关键词：特征点配准，Harris算法，灰度差分不变量，图像融合

Abstract：Image splicing technology is an important branch in image processing field, it has a wide range of applications in the computer vision, panorama structure, medical image processing applications, and other fields . The effect of good and bad of stitching mainly depends on the registration precision of the image. This paper mainly studies about image registration which is based on the splicing of feature points and fusion technology, the technology generally includes feature point detection, image registration and image fusion these three parts. Angle in this paper through the Harris algorithm to extract image point, construct gray difference invariant, then using Euclidean distance to measure similarities between images, and match intensively with half field limits , finally delete the wrong matching points with affine transformation, get the final match point to registration.

Keywords：image registration based on feature point, Harris, Gray-value Differential Invariants, Image Blending

1 绪论 3

1.1 研究背景 3

1.2 国内外现状 4

1.3 本文的工作和结构 5

2 角点检测 5

2.1 角点检测的定义 5

2.2 角点检测算法 6

3配准与拼接 7

3.1 配准算法 7

3.2 配准算法的原理 8

3.2.1 灰度差分不变量 8

3.2.2 特征点的匹配算法 9

3.3 配准算法的实现 10

4 图像融合 12

4.1 图像融合的定义 12

4.2 图像融合的方法 13

5 总结和展望 15

参考文献 16

致谢 17

1 绪论

1.1 研究背景

在日常生活中，人们一般都用普通的相机去拍摄图片。虽然一般型号相机有易于使用且快捷的特点，但是很难拍到宽视角，高分辨率的图像，是因为一般型号相机的视野范围与分辨率有较高的局限性。如果使用普通相机拍摄的远程对象本身尺寸大，需要拍摄一组连续的图片或调整焦距才可以达到，所以容易导致图像信息不完全，或得到一个不清晰的图片。有几种能够获得较大场景的清晰图像的扫描式相机已经上市了，但价格昂贵，也没有使用普通相机一样简单，方便，在环境较差的地区使用不方便，甚至会产生严重的失真。如果想要使较大范围场景的图像清晰度高点并且不会因为分辨率太低而失真，那么我们可以将场景分为几部分拍摄只要存在共有部分，接着将这组图像用合适的拼接算法拼接成一副全景图，这才是最佳的方法。它不仅要求失真尽可能地减少，并在该过渡区域尽量不用缝合线[1]。