實(shí)現(xiàn)含有運(yùn)動(dòng)物體的圖像拼接方法論文免費(fèi)下載

　　圖像拼接是生成全景圖的關(guān)鍵技術(shù)之一，針對(duì)傳統(tǒng)圖像拼接方法只能處理靜態(tài)圖像這一問(wèn)題，本文提出了一種含有運(yùn)動(dòng)物體的圖像拼接方法。該方法運(yùn)用梅林變換、目標(biāo)分離提取、差值圖像處理等技術(shù)，有效地解決了圖像拼接中的區(qū)域精確匹配、光照差、噪聲點(diǎn)及圖像融合問(wèn)題。實(shí)驗(yàn)表明對(duì)含有運(yùn)動(dòng)物體的圖像采用該方法進(jìn)行拼接可以獲得較滿意的視覺(jué)效果。

　　全景圖是近年來(lái)興起的基于圖像繪制技術(shù)中的重要研究方向，其在虛擬環(huán)境、計(jì)算機(jī)視覺(jué)以及多媒體等領(lǐng)域得到廣泛應(yīng)用。獲取全景圖的方法包括：1）利用廣角鏡頭和掃帚式相機(jī)來(lái)獲得［1］，但得到360度的全景圖比較困難而且廣角鏡頭的邊緣會(huì)產(chǎn)生變形。2）利用圖像拼接技術(shù)將一系列有重疊區(qū)域的普通圖像進(jìn)行無(wú)縫拼接，可以很好地解決廣角鏡的不足，而圖像拼接的質(zhì)量決定了全景圖的視覺(jué)效果。圖像拼接根據(jù)相鄰圖像間重疊區(qū)域的相似性進(jìn)行，傳統(tǒng)拼接算法主要分為兩類：基于特征的方法和基于區(qū)域的方法。前者從圖像的局部特征出發(fā)尋找最優(yōu)匹配區(qū)域，其結(jié)果一般為局部最優(yōu)解；并且當(dāng)場(chǎng)景中含有運(yùn)動(dòng)物體，如果特征點(diǎn)選擇在運(yùn)動(dòng)物體的邊界上時(shí)，特征點(diǎn)匹配的方法失效。后者是最小化圖像重疊區(qū)域?qū)?yīng)象素的差值，受光照變化的影響較大，抗干擾能力差；尤其當(dāng)場(chǎng)景中包含運(yùn)動(dòng)物體時(shí)，其對(duì)象素差的錯(cuò)誤貢獻(xiàn)顯著，通常導(dǎo)致算法失敗。因此亟待研究含有運(yùn)動(dòng)物體的圖像拼接算法。

　　Kuglin提出了基于梅林變換的圖像拼接方法，該方法利用頻域中的相位信息尋找最佳匹配點(diǎn)，不受運(yùn)動(dòng)物體的影響。對(duì)于重疊區(qū)域的融合，傳統(tǒng)方法是對(duì)重疊區(qū)域象素的灰度值加權(quán)平均。然而如果待拼接圖像重疊區(qū)域中含有運(yùn)動(dòng)物體，直接加權(quán)平均處理由于物體運(yùn)動(dòng)前后位置不同，融合后的圖像因出現(xiàn)重影而嚴(yán)重影響視覺(jué)效果。針對(duì)這一問(wèn)題James Davis［5］提出采用分塊的方法，即將圖像的重疊部分分割成左右兩個(gè)區(qū)域，對(duì)應(yīng)全景圖中每個(gè)區(qū)域從單個(gè)圖像中采樣，使得圖像顏色在邊界上的差值最小，從而保證拼接圖像產(chǎn)生最小的不連續(xù)性。由于相機(jī)拍攝角度及拍攝時(shí)間不同，相鄰圖像的整體光照會(huì)有差別。因而采用分塊的方法在全景圖中仍能看到明顯的光照變化，給人以不連續(xù)不真實(shí)的感覺(jué)。
?