《图像拼接毕业设计图像拼接技术研究》由会员分享，可在线阅读，更多相关《图像拼接毕业设计图像拼接技术研究（59页珍藏版）》请在金锄头文库上搜索。
1、 毕业设计（论文）专 业：电子信息科学与技术 题 目：图像拼接技术研究 2014年 6 月12日本科毕业设计（论文）任务书 毕业设计（论文）题目中文：图像拼接技术研究英文：Research on Image Mosaic Technology 原始资料1 朱广新.基于特征点匹配的图像拼接以及医学应用D.南京理工大学硕士学位论文，2007:3-4. 2 L.G. Brown. A survey of image registration techniques J.ACM Computing Surveys, 1992, 24(4):325-376. 3 B. Zitova, J. Flusser
2、. Image registration methods: a survey J.Image and Vision Computing, 2003, 21(11):977- 1000. 4 R. Szeliski. Image Alignment and stitching: A TutorialR.Preliminary Draft, Technical Report, 2005. 5 Richard Szeliski. Video Mosaics for Virtual Environments J.IEEE Computer Graphics and Applications, 1996
3、, 16(2):22-30. 毕业设计（论文）任务内容1、课题研究的意义图像拼接的研究意义在于通过技术手段实现全景图像，而不需要对图像采集设备的硬件性能提出过高的要求。事实上，在现实生活中，专业的用于拍摄全景图像的相机的成本太大，而用普通的摄像机是不能得到全景图像的。通过图像拼接的算法，可以用一个普通的摄像机得到同一副场景的不同区域的图像，同时相邻区域之间有交叠，这样就可以利用交叠区域的匹配，将多幅同一场景下的图像拼接成一副全景图像。图像拼接在实际应用中使用非常广泛。遥感图片在军事目标监视、陆地水资调查、土地资源调查、植被资源调查、环境监测和规划管理等方面都得到了广泛的应用。随着科学技术的发展
4、以及人类认知范围的扩大，图像拼接在航空航天领域也有着很大的发展和应用前景。图像拼接在国民生产和生活中发挥的作用也将越来越大，如在农业上，可以通过图像拼接的方法，对某一片区域的全景图像描绘出来，可以得到某一片的地形地貌和区域环境，对农业生产和生活提供指导。2、本课题研究的主要内容：通过图像特征点的匹配使多幅图像拼接成一副全景图像。其要过程为：图像采集、图像预处理、特征点提取、图像匹配和图像融合。3、提交的成果：（1）毕业设计（论文）正文；（2）仿真图和代码；（3）至少一篇引用的外文文献及其译文；（4）附不少于10篇主要参考文献的题录及摘要。指导教师（签字） 教研室主任（签字）批 准 日 期201
5、4年1月4日接受任务书日期2014年1月10日完 成 日 期2014年6月12日接受任务书学生（签字）图像拼接技术研究摘 要图像拼接技术就是将数张有重叠部分的图像拼接成一副大型的全景图像的技术。图像拼接的研究意义在于通过技术手段获得全景图像，降低了对图像采集设备的硬件性能的要求。图像拼接技术融合了多个学科，涉及多个领域，在实际生活中的应用非常的广泛，研究图像拼接技术具有非常重要的意义。本设计的主要内容是通过图像特征点的匹配使多幅图像拼接成一副全景图像。其主要流程：首先，将待拼接的图像进行预处理，消除噪声等干扰因素，同时利用Harris角点检测算法提取图像特征点。其次，利用块匹配法对图像角点匹配
6、，利用重叠区域等长法来消除误匹配。最后，利用加权平均法进行图像融合，完成全景图像的拼接。实验结果表明，此法得到了较为满意的结果，实现全景图像无缝拼接。图像拼接在实际应用中使用非常广泛。遥感图片在军事目标监视、陆地水资调查、土地资源调查、植被资源调查、环境监测和规划管理等方面都得到了广泛的应用。随着科学技术的发展以及人类认知范围的扩大，图像拼接在生活中会有着更大的发展和应用前景。关键字：图像拼接；Harris角点；特征点提取；图像匹配；重叠区域等长法Research on Image Mosaic TechnologyAbstractImage stitching is the technolo
7、gy that splices several overlapping images into a large-scale panoramic image. The research significance of image mosaic is that it could obtain panoramic image by means of a technology and reduces the hardware requirement of image acquisition equipment. Image mosaic technology combines multiple sub
8、jects, involving many fields, so its applications are very extensive in real life and it is very important to research the image mosaic technology.The main content of the design is that it can splice several images into a panoramic image through matching feature points. The main processes are as fol
9、lows: firstly, the image that will be spliced is pretreated so as to eliminate noise and other interference factors. At the same time, image feature points are extracted by using the Harris corner detection algorithm. Secondly, the block matching method is used to match image points, then overlappin
10、g area equal lengthmethod is used to eliminate false matching. Finally, the weighted average method is used to realize image fusion and complete panorama image mosaic. The experimental shows that this method gets satisfactory results and achieves the panoramic image seamless splicing.Image mosaic is
11、 widely used in practical application. It is widely applied to remote sensing images in military surveillance, land water resources survey, land resource investigation, vegetation resources investigation, environment monitoring and management etc. With the development of science and technology and t
12、he scopes amplification of human cognition, image mosaic will have larger development and wider application prospect in life.Keywords:image mosaic;Harris corner;feature extraction;image matching;overlapping area equal lengthmethod目录引言- 1 -第1章 绪论- 2 -1.1课题的研究背景及意义- 2 -1.2 国内外研究现状- 2 -1.2.1 国外研究现状- 3
13、-1.2.2 国内研究现状- 4 -1.3 本课题研究的主要内容- 5 -第2章 图像拼接的基本理论- 6 -2.1 图像采集和预处理- 6 -2.2.1 图像采集- 6 -2.1.2 图像预处理- 7 -2.2 图像特征点提取- 7 -2.2.1 SIFT算子- 7 -2.2.2 SUSAN检测算子- 9 -2.3 图像匹配- 11 -2.3.1 归一化互相关（NCC）算法- 11 -2.3.2 序列相似性（SSDA）算法- 12 -2.4 图像融合- 13 -2.4.1 平均值法- 13 -2.4.2 小波变换法- 13 -2.4.3 多频带融合法- 13 -第3章 基于Harris算法的
14、图像特征提取- 14 -3.1 Harris算法原理分析- 14 -3.2 图像特征点提取结果- 15 -第4章 图像特征点匹配- 16 -4.1 特征点初次匹配- 16 -4.2 消除误匹配- 17 -4.3 特征点匹配结果与分析- 17 -第5章 图像融合- 19 -5.1 加权平均法原理- 19 -5.2 图像融合区域分析- 20 -5.3 图像融合结果与分析- 21 -总结与展望- 24 -致谢- 25 -参考文献- 26 -附录A 实验仿真结果图- 28 -附录B 引用外文文献及其译文- 30 -附录C 10篇参考文献的题录及摘要- 37 -附录D 主要源程序- 42 -插图清单图2- 1 图像拼接的流程图- 6 -图2- 2 DOG尺度空间的构造- 8 -图2- 3 尺度空间极值点的构造- 8 -图2- 4 SUSAN模板离散圆与核- 9 -图2- 5 模板圆和模板核在典型图像的不同位置的USAN变化- 10 -图2- 6 相似度（y轴）与像元之间的差值（x轴）之间的关系图- 11 -图3- 1 Harris算法对图像特征提取的结果图- 15 -图4- 1 角点邻域像素分布图- 16 -图4- 2 待匹配简图- 17 -图4- 3 图像特征点匹配结果图- 18 -图5- 1 重叠区域及加权渐变- 19 -图5-
