基于SIFT算法的二维全景图像拼接方法及实现开题报告

全文总字数：4217字

1. 研究目的与意义（文献综述）

在日常生活中，人们通常采用普通照相机采集图像信息，希望采集到超宽视野的全景图，这往往需要调整焦距，缩放镜头才能得到，可是采用此办法采集到的大视域场景图像又无法满足分辨率精度的要求。因此人们只能拍摄该区域的相互有重叠区域的多幅清晰图像，通过图像处理手段将其缝合成一幅大尺度高清晰度图像。在航天拍摄等特殊领域，由于距离和角度的限制，即使传感器的分辨率得到很大的提升，但一些超大规模的物体或场景仍不可能只用一张照片采集到。图像拼接技术的产生和发展壮大是一种必然，因为随着时代的进步，人眼和普通相机所能捕获到的图像已经远远不能满足人们生产、科研和娱乐等多方面需求的快速增长了。

图像拼接是指将同一场景，相互之间存在部分重叠的多幅图像进行空间匹配对准，再经图像融合形成一幅包含各图像序列信息的完整的、较高分辨率或宽视野的新图像。一般来说，它包括图像获取、图像配准与图像合成三个步骤。图像拼接技术有效利用了图像重叠部分对应像素的相似性，解决了视野与分辨率之间的矛盾问题，在遥感图像处理、计算机视觉、医学图像分析、虚拟现实技术等领域都有广泛的应用。

因此研究基于sift算法的二维全景图像拼接方法及实现有着非常重要的现实意义，国内外许多学者对该领域进行了广泛的探索与研究。

2. 研究的基本内容与方案

本文研究的是一种基于sift特征匹配的无缝图像拼接方法，旨在将两幅以上的具有部分重叠的图像进行无缝拼接从而得到大画幅或者宽视角的图像。分析当前使用较多的sift算法的快速匹配问题，介绍全景图像拼接的基本原理和相关技术，包括图像预处理、图像配准、图像融合三大块技术；关注sift特征点提取算法的基本原理以及特征点数据库的快速匹配问题；重点介绍多幅图像的全景拼接实现，包括几何校正配准、图像融合技术等。

sift(尺度不变特征变换)是由david g．lowe在1999年提出的局部特征检测算法，在2004年加以完善总结。sift算法的本质就是在不同的尺度空间中提取兴趣点，并计算兴趣点的尺度和方向。lower提出了dog尺度空间，利用不同尺度的高斯差分核与图像卷积生成。为了寻找极值点，dog空间中每一个采样点要和本层及上下两层共26个点作比较，以确保在尺度空间和二维图像空间都检测到极值点。该极值点就认为是图像在该尺度下的候选特征点或关键点，接下来去除低对比度特征点和不稳定的边缘特征点。根据关键点周围像素点的梯度分布特性，为每个关键点指定一个主方向，以确保特征描述符的旋转不变性。sift算法提取的是图像的局部特征，具有信息量丰富，提取特征点均匀等优点，适用于在大量特征数据库中进行快速、准确的匹配。对旋转、尺度缩放、灰度变化保持不变性，由视角变化产生的失真对这种描述子构造的影响很小。这个特性使得在航空，医学图像的匹配性能上，明显优越于其他有竞争力的算法，适合应用在医学，航空全影图像的拼接上。

深入了解后，发现基于sift特征的粗略匹配中仍存在着许多缺点，如搜索特征点的效率较低，存在误匹配、伪匹配的情况等。针对以上问题，本文拟采用两种改进方案。首先是将bbf算法代替kd-tree。bbf算法的核心思想是将特征点按照最小优先级排序，然后由近到远查找当前节点与被查询点的相似度。基于这个思想可以快速找到最相似度的对应点和次相似度的对应候选点。kd-tree算法是在数据的树状结构中按照相似度优先级查找特征点，但忽略了这些点的本身数据结构特性，而bbf算法则是先利用特征点自身的数据结构特性进行优先级排序，在按照由优先级高到低的顺序查找。这样相对于kd-tree算法查找中的盲目性，bbf算法提高了相似特征点的搜索效率。

3. 研究计划与安排

第1周—第3周搜集资料，撰写开题报告；

第4周—第5周论文开题；

第6周—第11周撰写论文初稿；

4. 参考文献（12篇以上）

[1]贾文超.基于orb算法的全景图像拼接技术[j]. 城市勘测, 2019(3).

[2]周文涛, 陈心雨, 张旻, et al. 无人机航拍球面全景图技术研究与实现[j]. 江苏理工学院学报, 2019(2).

[3]李艳玲, 汪国平. 基于图模型及直方图匹配的航拍图像拼接技术[j]. 弹箭与制导学报, 2018, 38(6).