《稀疏採樣下非限定場景的圖像拼接方法研究》是依託上海大學，由曾丹擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：稀疏採樣下非限定場景的圖像拼接方法研究
- 項目類別：青年科學基金項目
- 項目負責人：曾丹
- 依託單位：上海大學
中文摘要,結題摘要,
中文摘要
當前圖像拼接技術限於密集採樣或單一平面場景，主要受兩方面制約:相似內容間的匹配誤差；稀疏採樣下曲面/平面間相對位移導致的拼接誤差。申請課題提出稀疏採樣下非限定場景的圖像拼接新方法：針對相似內容，研究兼具不變性及唯一性的拓撲相似性度量參量及準則，提出全局匹配算法，去除灰度/梯度局部匹配誤差；針對稀疏採樣下多平面及曲面場景，研究平面與投影矩陣間變換模型及多平面多投影方法，去除單投影導致的結構誤差；提出基於結構反饋的疊代優選拼接方法，包括結構/灰度/梯度的誤差度量方法、結構/灰度/梯度差異最小化縫合線、結構反饋疊代配準縫合算法，以避免缺失、重複、變形、錯亂等四大結構誤差。項目的創新在於：提出了採樣及場景無約束的圖像拼接方法；拓撲參量的不變性及唯一性、多平面多投影保證了圖像配準精度；基於結構反饋的優選縫合可使結構差異最小化，保證了非限定場景拼接精度。研究成果對提高圖像拼接效果及工程套用具有積極意義
結題摘要
單幅圖像受限於視場，將小視域的圖片拼接成大視域圖片的圖像拼接技術在醫學圖像分析、遙感圖像處理、模式識別等計算機視覺和計算機圖像學領域發揮著越來越重要的作用。針對多平面場景進行圖像拼接時，相似內容間容易出現匹配誤差以及多平面拼接容易出現結構誤差的問題，本項目提出稀疏採樣下多平面多相似內容場景的圖像拼接新方法。本項目的研究內容主要包括四部分：1、稀疏採樣下多平面多相似內容場景拼接方法原理的研究；2、相似內容間匹配誤差抑制的研究；3、稀疏採樣下平面間結構性誤差抑制的研究；4、結構/灰度/梯度最佳的圖像縫合方法研究。在詳細研究SIFT特徵的過程中，本項目提出了K近鄰比值局部特徵點匹配法，簡稱KNNDR算法。KNNDR算法保留了前K個最近鄰匹配中具有明顯更小的最短最近鄰距離的特徵初匹配，以減少傳統的最近鄰比值算法導致的漏匹配。針對初匹配結果中存在的誤匹配問題，本項目提出了三種去除誤匹配的算法，分別是基於三角剖分、角度向量和空間位置編碼的誤匹配去除算法。經實驗驗證，這三種算法均能夠有效去除誤匹配，提高特徵匹配的精度。為解決傳統RANSAC算法在處理多平面問題時產生的漏匹配，本項目提出了一種基於多單應矩陣的分層匹配法，該方法利用同一平面的點在不同的投影變換下相互間滿足同一單應矩陣的原理，採用多單應矩陣對利用梯度相似性進行初匹配的點進行平面劃分並確定其所屬的單應矩陣。在圖像縫合時，本項目提出了兩種基於最佳縫合線的圖像縫合算法。一種算法選擇穿過最少平面的縫合線作為最優縫合線，另一種算法選取穿越三角形相同、次序一致、梯度顏色差異最小的縫合線作為最終拼接縫合線。此外，本項目提出的基於反饋方法的優選圖像配準與縫合，能有效減少計算量並提高單應性矩陣和縫合線的準確度。實驗結果表明，本項目提出的各種算法有效解決了當前算法所存在的缺陷，且對最終的圖像拼接效果有明顯的改善。在實際工程實踐中，本項目的研究成果也具有積極的指導意義與價值。
