大场景视频图像拼接与合成技术的实现研究
全景图像拼接算法的研究与实现的开题报告
全景图像拼接算法的研究与实现的开题报告一、选题背景与意义全景图像拼接技术是近年来计算机视觉领域的研究热点之一。
全景图像拼接是指将多个单幅图像拼接成一个完整的全景图像。
在实际应用中，全景图像拼接技术已经被广泛应用于航拍、地图制作、虚拟现实等领域，为人们的工作和生活带来了巨大的便利。
全景图像拼接的主要难点在于如何准确地识别并匹配图像中的关键点，并将多个图像进行精准拼接，以实现衔接自然、无缝衔接、清晰高清的全景图像的创建。
因此，该选题的研究和实现对于推动计算机视觉技术的发展和广泛应用具有重要的意义和应用价值。
二、主要研究内容和技术路线本选题主要研究和实现如下内容：1. 了解和掌握全景图像拼接相关的基本理论和算法，包括图像特征提取、关键点匹配、图像变换、图像融合等。
2. 分析和比较国内外常见的全景图像拼接算法，探索算法的优缺点以及适用场景。
3. 针对实际情况，进一步优化和改进算法，提升全景图像拼接的精度和效率。
4. 实现和验证算法，并通过实验和评估验证算法的正确性和性能。
技术路线如下：1. 对全景图像拼接技术和相关理论进行深入学习和分析，梳理各种拼接算法的主要思路和优缺点。
2. 实现针对不同场景的全景图像拼接算法，并使用统一的评估指标进行实验和比较。
3. 对算法进行优化和改进，并进行实验对比。
4. 编写论文，撰写实验和算法实现的细节部分，并将论文中的理论和实验结果进行分析和总结。
三、预期成果1. 掌握全景图像拼接相关的基本理论和算法，包括图像特征提取、关键点匹配、图像变换、图像融合等。
2. 深刻理解国内外常见的全景图像拼接算法的优缺点和适用场景，并能在实际工作中针对不同场景选择合适的算法进行应用。
3. 实现和比较多种全景图像拼接算法，并掌握其实现细节和对各种因素的敏感性。
4. 对算法进行优化和改进，提升拼接效果和效率。
5. 发表相关论文，并在计算机视觉领域获得一定的学术成就和影响力。
四、可行性分析与计划进度本选题的可行性主要表现在以下几个方面：1. 实践基础扎实，具备计算机视觉、图像处理等方面的相关基础。
全景图像拼接技术综述与改进
全景图像拼接技术综述与改进概述：全景图像拼接技术是指将多张相互有重叠区域的图像通过某种算法的处理，合成为一张无缝衔接的全景图像的过程。
全景图像拼接技术在虚拟现实、摄影、地理信息系统等领域具有广泛应用。
本文将对全景图像拼接技术的原理、算法以及当前的改进方法进行综述。
一、全景图像拼接技术的原理全景图像拼接技术的实现主要包含以下几个步骤：1. 特征提取与匹配：通过检测图像中的特征点，并计算特征描述子，从而实现不同图像之间的特征匹配。
2. 图像对齐：通过特征点匹配结果，确定图像之间的相对位置关系，并进行图像的配准，使得其能够对齐。
3. 图像融合：将对齐后的图像进行融合，消除拼接边缘的不连续性，实现无缝衔接的全景图像输出。
二、当前的全景图像拼接算法1. 基于特征点的算法：例如SIFT（尺度不变特征变换）和SURF（加速稳健特征）算法，通过提取图像的局部特征点，并进行匹配。
这种算法能够识别出旋转、尺度和视角变化，但对于大尺度图像的拼接效果有限。
2. 基于全局变换的算法：例如全景图像的球面投影映射（Spherical Projection Mapping）算法和全景图像的柱面投影映射（Cylindrical Projection Mapping）算法。
这些算法通过将图像映射为球面或柱面，并进行参数化变换来实现图像的拼接，能够处理大尺度图像，但在局部区域的拼接上可能存在一定的失真。
3. 基于深度学习的算法：近年来，深度学习技术在图像处理领域取得了重大突破。
通过使用深度卷积神经网络，如Pix2Pix和CycleGAN等模型，能够将拼接任务转化为图像到图像的转换问题，取得了较好的拼接效果。
三、全景图像拼接技术的改进方法1. 自动拼接线选取算法：采用自适应拼接线选取算法，根据特征点的分布和拼接图像的几何结构，自动选择合适的拼接线，减少拼接过程中的人工干预，提高拼接效率和准确性。
2. 拼接失真校正算法：解决基于全局变换的算法中局部区域存在的失真问题。
全景图像拼接技术研究及应用
全景图像拼接技术研究及应用近几年，全景图像（Panorama）的应用越来越广泛，如旅游景点展示、地图制作、VR（虚拟现实）和AR（增强现实）等应用。
全景图像拼接技术是实现全景图像的关键技术，其主要目标是将多幅重叠的图像拼接为无缝的全景图像。
本文将着重探讨全景图像拼接技术的研究现状和应用。
一、全景图像拼接技术的研究现状1. 传统方法传统的全景图像拼接方法主要包括两种：基于特征点法和基于区域分割法。
前者是将所有图像的特征点匹配，并基于配对点拼接成全景图像；后者则是通过图像的最大重叠区域来进行拼接，适用于图像没有重大的形变或视角变化等情况。
这两种方法的缺点都是易受噪声和遮挡等问题的影响，导致拼接的效果不理想。
2. 基于深度学习的方法近年来，深度学习技术的崛起对于全景图像拼接技术的提升也起到了重要的作用。
通过使用卷积神经网络（Convolutional Neural Networks, CNN），可以提高全景图像拼接的效率和准确性。
2016年，百度提出了一种名为“DeepPano”的深度学习全景图像拼接算法，该方法利用神经网络从大量单张图像中学习特征和相机参数。
与传统方法相比，DeepPano算法具有更高的拼接速度和更好的拼接质量。
3. 基于视频的方法基于视频的全景图像拼接技术最近也引起了广泛的关注。
与多张照片的拼接不同，视频是连续的图像序列，具有更多的信息和上下文。
基于视频的全景图像拼接方法可以通过视频的连续性进一步提高拼接效果。
二、全景图像拼接技术的应用1. 地图制作全景图像拼接技术在地图制作上有广泛的应用。
通过利用卫星遥感图像、无人机摄影图像等数据源，可以快速生成高质量的地图制品，研究人员还利用全景图像拼接技术在地图中嵌入了VR功能，以帮助用户更好地了解地理信息。
2. 旅游景点展示全景图像拼接技术在旅游景点展示上也有广泛的应用。
通过拍摄景区周围的多张照片，将其拼接成一张完整的全景图像，游客可以更好地了解景区的地形、景观等信息。
全景视频实时拼接技术研究与实现
全景视频实时拼接技术探究与实现1. 引言随着虚拟现实技术的蓬勃进步，全景视频越来越受到人们的喜爱。
全景视频能够给观众带来身临其境的感觉，以全景的方式呈现场景，使观众感觉自己置身于其中。
然而，在实时拼接全景视频方面，仍存在许多挑战。
本文旨在解决这一问题，提出一种全景视频实时拼接技术，以实现高效、高质量的全景视频拼接。
2. 相关技术探究2.1 图像采集全景视频拼接的第一步是对场景进行图像采集。
采集设备通常接受鱼眼相机或全景相机，通过广角镜头实现较大范围的图像拍摄。
采集设备的参数设置对后续的图像处理具有重要影响，需要依据详尽应用场景进行合理调整。
2.2 特征提取与匹配在实时拼接全景视频过程中，需要对采集的图像进行特征提取与匹配。
常用的特征提取算法有SIFT、SURF等，通过对图像进行关键点提取，并计算关键点的描述子，实现图像的特征表示。
在特征匹配阶段，通过计算特征匹配得分，确定不同图像之间的对应干系。
2.3 图像拼接算法基于特征匹配的图像拼接算法是实现全景视频拼接的核心。
常见的图像拼接算法有基于特征点的RANSAC算法、基于图像金字塔的平面拼接算法等。
在拼接过程中，需要思量图像的对齐、光照调整、边缘平滑等问题，以实现无缝拼接的效果。
3. 全景视频实时拼接技术为了实现全景视频的实时拼接，本文提出了一种基于快速特征提取和匹配的全景视频实时拼接技术。
该技术主要包括以下步骤：（1）预处理：对采集的图像进行预处理，如去噪、图像增强等，以提高后续特征提取与匹配的准确性。
（2）特征提取与匹配：接受快速特征提取算法对图像进行关键点提取，并计算关键点的描述子。
通过特征匹配算法，确定不同图像之间的对应干系。
（3）图像拼接：依据特征匹配结果，进行图像的对齐、光照调整、边缘平滑等处理，实现全景图像的拼接。
（4）实时实现：为了保证全景视频的实时性，需要对算法进行优化和加速，如接受多线程并行计算、GPU加速等技术手段。
4. 试验与结果分析为验证本文提出的全景视频实时拼接技术的可行性和有效性，进行了一系列试验。
全景图自动拼接算法研究及系统实现
摘要全景图是虚拟现实中一种重要的场景表示方法。
通常获得高质量的全景图需要使用昂贵的专用设备，而且拍摄时需要精确地校准摄像机。
从普通摄像机图像拼接是获得全景图的一种低成本而且比较灵活的方法。
采用普通照相机拍摄的照片可能出现图像扭曲、交叠和倾斜，照片之问可能有一定色差，因此，在图像的拼接和建立全景图方面难度大。
本文中主要是通过对多种图像拼接算法的研究，提出图像拼接改进算法，该算法能够在较宽松的条件下能够较准确地匹配两幅图像，实验证明该算法能够有效地拼接普通相机拍摄的照片，消除图像扭曲、交叠和倾斜对于图像拼接的影响。
同时，在实现柱面全景图时，为了不改变物体在自然界中的几何信息，也进行了柱面投影研究，实现柱面全景图。
最后使用ｖＣ＋＋和ＯｐｅｎＧＬ技术实现了图像拼接系统和柱面全景图浏览器，该系统能够自动拼接按照数字排序的序列照片。
柱面全景图浏览器可以通过鼠标和键艋方向键３６０”浏览全景图。
关键字：图像拼接；全景图：柱面全景图：柱面投影ＡｂｓｔｒａｃｔＡｓａｌｌｉｍａｇｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｖｉｒｔｕａｌｅｎｖｉｒｏａｒｎｅｎｔ，ｐａｎｏｒａｍａｈａｓｉｍｐｏｒｔａｎｔａｐｐｌｉｃａｔｉｏｎｓｉｎＶｉｒｔｕａｌ—Ｒｅａｌｉｔｙ．Ｇｅｎｅｒａｌｌｙ，ｔｏｇｅｔａｐａｎｏｒａｍａｗｉｔｈｈｉｇｈｑｕａｌｉｔｙ，ｗｅｎｅｅｄｓｏｍｅｓｐｅｃｉａｌ，ｅｘｐｅｎｓｉｖｅａｎｄｃａｒｅｆｕｌｌｙｃａｌｉｂｒａｔｅｄｅｑｕｉｐｍｅｎｔ．ＩｍａｇｅＭｏｓａｉｃｉｓａｎｉｎｅｘｐｅｎｓｉｖｅａｎｄｆｌｅｘｉｂｌｅａｐｐｒｏａｃｈｔｏｇｅｔｐａｎｏｒａｍａｗｉｔｈａｓｉｍｐｌｅｈａｎｄ－ｈｅｌｄｃａｍｅｒａ．Ｔｈｅｐｈｏｔｏｓｔａｋｅｎｗｉｔｈａｈａｎｄ—ｈｅｌｄｃａｍｅｒａｕｓｕａｌｌｙｈａｖｅｌａｒｇｅｐｅｒｓｐｅｃｔｉｖｅｄｉｓｔｏｒｔｉｏｎ，ｓｍａｌｌｏｖｅｒｌａｐ，ｂｒｉｇｈｔｎｅｓｓｄｉｆｆｅｒｅｎｃｅ，ｓｍａｌｌｃｏｎｃｅｎｔｒｉｃｅｒｒｏｒｓａｎｄｃａｍｅｒａｒｏｔａｔｉｏｎｓ．Ｔｈｅｓｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｍａｋｅｂｏｔｈｉｍａｇｅａｌｉｇｎｍｅｎｔａｎｄｐａｎｏｒａｍａｂｕｉｌｄｉｎｇｍｏｒｅｄｉｆｆｉｃｕｌｔｔｈａｎｕｓｉｎｇｐｈｏｔｏｓｔａｋｅｎｂｙｃａｍｅｒａｓｃａｌｉｂｒａｔｅｄｂｙｓｐｅｃｉａｌｅｑｕｉｐｍｅｎｔ．Ｂａｓｅｄｏｎｓｔｕｄｙｉｎｇｍａｎｙｉｍａｇｅｍｏｓａｉｃａｌｇｏｒｉｔｈｍｓ，ｗｅｐｒｅｓｅｎｔａｂｅｔｔｅｒｏｎｅｔｈａｔｉｓａｂｌｅｔｏａｃｃｕｒａｔｅｌｙｓｔｉｔｃｈｔｗｏｓｉｍｉｌａｒｉｍａｇｅｓａｕｔｏｍａｔｉｃａｌｌｙｗｉｔｈｔｈｅｌｉｍｉｔａｔｉｏｎｏｆｔｈｅｐｈｏｔｏｓ．Ｔｈｅｒｅｓｕｌｔｆｒｏｍｔｈｅｔｈｅｖａｌｉｄｉｔｙｏｆｔｈｅａｌｇｏｒｉｔｈｍ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，Ｉｓｔｕｄｙｔｈｅｃｙｌｉｎｄｒｉｃａｌｅｘｐｅｒｉｍｅｎｔｓｈｏｗｓｐｒｏｊｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓａｎｄｉｍｐｌｅｍｅｎｔｃｙｌｉｎｄｒｉｃａｌｐａｎｏｒａｍｉｃｉｍａｇｅ．Ａｔｌａｓｔ．Ｉｉｍｐｌｅｍｅｎｔａｎｉｍａｇｅ—ｍｏｓａｉｃｓｙｓｔｅｍａｎｄａｐａｎｏｒａｍａｂｒｏｗｓｅｒｗｉｔｈＶＣ＋＋ａｎｄＯｐｅｎＧＬ．ＴｈｉｓｓｙｓｔｅｍＣａｎｓｔｉｔｃｈａｓｅｒｉａｌｏｆｐｈｏｔｏｓｏｒｄｅｒｅｄｂｙｎｕｍｂｅｒｓ．ＴｈｅｐａｎｏｒａｍａｂｒｏｗｓｅｒＣａｌｌｂｅｅｎｕｓｅｄｔｏｂｒｏｗｓｅｃｙｌｉｎｄｒｉｃａｌｐａｎｏｒａｍｉｃｉｍａｇｅｗｉｔｈｉｎ３６０。
三维环境下的图像拼接算法研究与应用
三维环境下的图像拼接算法研究与应用随着技术的不断发展和进步，三维环境下的图像拼接算法逐渐成为了近几年来计算机视觉领域的热门研究方向。
因为三维环境下对图像的处理需要更高的精度和更强的可靠性，所以图像拼接在三维环境下的应用也具有相对高的要求。
一、三维环境下的图像拼接算法研究现状目前，三维环境下的图像拼接算法主要分为两大类：基于快速匹配的算法和基于深度信息的算法。
基于快速匹配的算法依赖于快速检测图像中特征点的技术，如SIFT算法和SURF算法等。
这种算法主要适用于特定场景拍摄的图像，比如室外风景、建筑群等。
基于深度信息的算法主要利用三角测量原理确定像素之间的距离，从而计算不同图像之间的深度，实现图像拼接。
二、基于深度信息的图像拼接算法在基于深度信息的算法中，主要有两种经典的方法：基于3D重建的拼接算法和基于多视图几何的拼接算法。
其中，基于3D重建的算法主要依赖于三维建模软件，如3Ds MAX等。
这种算法需要使用多张图像进行三维重建，然后将多个三维模型拼接起来，生成一个完整的三维环境模型。
与此类似的是，基于多视图几何的算法也需要多个视角的图像进行处理，依次计算每一张图像之间的相对位置和距离，根据三角测量原理确定像素间的深度，最终拼接成一个完整的三维场景。
三、基于快速匹配的图像拼接算法与基于深度信息的算法相比，基于快速匹配的算法更加通用，可以适应多种场景的图像拼接需求。
该类算法主要依赖于SIFT算法或SURF算法等形式，交叉匹配两幅图像间的特征点，从而计算两幅图像之间的变换矩阵，利用该矩阵对图像进行变换，实现拼接目的。
该类算法主要分为两种方法：图像拼接和图像融合。
图像拼接方法是最常见和直观的应用形式，即将两张或多张图像拼接在一起，形成一个完整的大图像。
这种方法通常需要处理一些残留和镜头变形等问题，但是在处理大图像时表现出的效果比较优秀，能够很好地保持图像的连续性和完整性。
图像融合方法主要用于处理图像中的光照问题，即将两张或多张图像的亮度、对比度和颜色等参数进行调整，以达到某种意图的目标。
大场景的视频全景图拼接
准和 融 合 ， 成 一 幅 图 像 。 广 泛 应 用 于 视 频 压 生 缩 、 频 检 索 ［ 超 分 辨 率 、 感 、 景 图 ］ 视 、 遥 全 等 。视 频全景 图像 拼 接是 对 视 频 图像 序 列 进 行 配
庄燕 滨¨
常州 ２３０） １０ ２
２ ３ ０ ） 常州 市软件技术研究与应用重点实验室 １Ｏ ２ （
摘
要
为 了解决大场景全景图拼接过程中的误差累积问题 ， 提高 图像 拼接的一致性 ， 出了一个新的全景 图拼 接算 提
法 。把全局 图像 配准看作是一个统计估计问题 ， 运用增广 的卡尔曼 滤波对 图像 的全局变换参数进行递归地增广和估计 。实 验结果表明 ， 得到 的变换参数是全局一致的 ， 生成 的全景 图不存在拼接裂缝 。拼接算法考虑了各种不 确定性 ， 适用于噪声大
场 景 的 全 景 图 拼 接
关键词 全 景图 ； 图像拼接 ；图像配准 ；图形融合
中圈 分 类 号 ＴＰ ０ ． ３２４
Ｖｉ ｏ Ｐａ ｏ ａ ｉ ｏ ａ ｃｎｇ ｆ ｒ Ｌａｒ ｅ ｓ ａ ｅ Ｓｃ ｎｅ ｄｅ ｎ ｒ ｍ ｃ Ｍ ｓ ｉ ｉ ｏ ｇ — ｃ ｌ ｅ
Ｘｕ Ｚｅ ｈ ｎ ’ ｚｏ ｇ 。 Ｚｈ ａ ｇ Ｙａ ｂ ｎ ｕ ｎ ｎ ｉ ’
（ ｐ ．ｏ ｍｐ ｔ ｒ Ｉ ｆ ｒ ｔ ｎ ａ ｄ Ｅ ｇ ｎ ｅ ｉ ｇ Ｄｅ ｔ ｆＣ ｏ ｕ ｅ ｎ ｏ ｍａ ｉ ｎ ｎ ｉ ｅ ｒｎ ，Ｃｈ ｎ ｚ ｏ ｎ ｔｔ ｔ ｆ ｃ ｎ ｌ ｇ ”，Ｃ ａ ｇ ｈ ｕ ２ ３ ０ ） ｏ ａ ｇ ｈ ｕ Ｉ ｓｉｕ ｅｏ Ｔｅ ｈ ｏ ｏ ｙ ｈ ｎ ｚｏ １ ０２ （ ａ ｇ ｈ ｕ Ｋｅ ａ ｏ ａ ｏ ｙ ｏ ｏ ｔ ｒ ｃ ｎ ｌｇ ｎ ｐ ｉａ ｉ ｎ ，Ｃｈ ｎ ｚ ｏ ２ ３ ０ ） Ｃｈ ｎ ｚ ｏ ｙ Ｌ ｂ ｒ ｔ ｒ ｆＳ ｆｗａ ｅＴｅ ｈ ｏ ｏ ｙ ａ ｄ Ａｐ ｌ ｔ ｚ ｃ ｏ ａ ｇｈ ｕ １ ０ ２
图像拼接算法及实现.
图像拼接算法及实现论文关键词：图像拼接图像配准图像融合全景图论文摘要：图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。
图像拼接在摄影测量学、视觉、遥感图像处理、图像分析、计算机图形学等领域有着广泛的应用价值。
一般来说,图像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图像拼接的基础。
本文研究了两种图像配准算法:基于特征和基于变换域的图像配准算法。
在基于特征的配准算法的基础上,提出一种稳健的基于特征点的配准算法。
首先改进Harris角点检测算法,有效提高所提取特征点的速度和精度。
然后利用相似测度NCC(normalized cross correlation——归一化互相关),通过用双向最大相关系数匹配的方法提取出初始特征点对,用随机采样法RANSAC(Random Sample Consensus)剔除伪特征点对,实现特征点对的精确匹配。
最后用正确的特征点匹配对实现图像的配准。
本文提出的算法适应性较强,在重复性纹理、旋转角度比较大等较难自动匹配场合下仍可以准确实现图像配准。
Abstract：Image mosaic is a technology that carries on thespatial matching to a series of image which are overlapped with each other, and finally builds a seamless and high quality image which has high resolution and big eyeshot. Image mosaic has widely applications in the fields of photogrammetry, computer vision, remote sensing image processing, medical image analysis, computer graphic and so on. 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘 要 ：Ｓ Ｕ Ｒ Ｆ（ Ｓ ｐ ｅ ｅ ｄ ｅ ｄ Ｕ ｐ Ｒ ｏ ｂ ｕ ｓ ｔ Ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ）算子，由于其快速、鲁棒性等特点，可以很好地解 决 图片尺度 、旋转 、光 照等 不一 致 的情 况 ， 已被 广 泛 应 用 于各 种 图像 配 准和拼 接 中。通过 对 每
一
泛的应 用 ， 本文 针对上 述问题 ， 提 出了一 种有效 的图 像 拼接 方法 ， 通 过对多 幅 图片进行特征 提取 、 兴 趣点 匹配剔 除 、 投影 坐标线 性变换 、 图像配 准插值 等一 系 列操作 ， 将多 幅图片拼 接过程 中 的畸 变降低 ， 满 足对 大场 景图像呈 现 的需 求 。
ｏ ｐ ｅ ｒ ａ ｔ ｉ ｏ ｎ ｉ ｓ ｉｎ ｆ ｉ ｓ ｈ ｅ ｄ．Ｔｈ ｅ ｅ ｘ ｐ ｅ ｉｍｅ ｒ ｎ ｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｈａ ｔ ｔ ｔ ｈ ｅ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍ ｉ ｓ ｓ ｉ ｍｐ ｌ ｅ ｔ ｏ ｉ ｍｐ ｌ ｅ ｍｅ ｎ ｔ ｗｉ ｈ ｔ ｌ ｅ ｓ ｓ ｃ ｏ ｍｐ ｕ ｔ ｉ ｎ ｇ ａ ｎｄ ｏ ｆ ｇ ｏｄ ｓ ｔ ｉ ｔ ｃ ｈ ｉ ｎ ｇ ｅ ｆ ｆ ｅ ｃ ｔ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ：ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｒａ ｔ ｃ ｔ ｉ ｏ ｎ；Ｓ ＵＲＦ；ｃ ｙ ｌ ｉ ｎ ｄ ｉｃ ｒ ａ ｌ ｃ ｏｒ ｄ ｉ ｎａ ｔ ｅ；ｓ ｔ ｉ ｔ ｃ ｈ ｉ ｎ ｇ
ＹＡＮ Ｇ Ｍｉ ｎ ｇ — ｙ ａ ｎ ｇ ．Ｚ ＨＵ Ｊ ｉ ｅ
（ Ｄ ｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆ Ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｓ ｈ ａ ｎ ｇ ｈ ａ ｉ Ｊ ｉ ａ ｏ ｔ ｏ ｇ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｓ ｈ ａ ｇｈ ｎ ａ ｉ ２ ０ ０ ２ ０， ４ Ｃ ｈ ｉ ｎ ａ ）
２ ０ １ ３年第３ 期
文 章编 号 ： １ ０ ０ ９— ２ ５ ５ ２ （ ２ ０ １ ３ ） ０ ３— ０ １ ０ ４— ０ ３ 中 图分 类 号 ： Ｔ Ｎ ９ １ ９ ． ห้องสมุดไป่ตู้ 文 献标 识码 ： Ａ
大 场 景视 频 图像 拼 接 与合成 技 术 的 实现研 究
杨 明 阳 ，朱 杰
１ 特征 点提取 原 理
ｃ ｙ ｌ ｉ ｎ ｄ ｉ ｒ ｃ ａ ｌ ｐ ｒ ｏ ｊ ｅ ｃ ｔ ｉ ｏ ｎ ｈｅ ｔ ｉ ｍ ａ ｇ ｅ ｓ ｐ ｒ ｏ ｊ ｅ ｃ ｔ ｔ ｏ ａ ｕ ｎ ｉ ｉ ｆ ｅ ｄ ｇ ｅ ｏ ｍ ｅ ｔ ｉ ｒ ｃ ｓ ｐ ａ ｃ ｅ ，ｔ ｈ ｅ ｎ ｗ ｅ ｃ ａ ｎ ｈｅ ｔ ｉ ｍ ａ ｇ ｅ ｓ ｔ ｉ ｔ ｃ ｈ ｉ ｎ ｇ
０ 引言
现在 的智 能监 控 系统 中 ， 多 采用 一 个 或多 个 固 定的 Ｃ Ｃ Ｄ摄像 机对某 个特定 的场 景进行 拍摄 监控 ， 但是普 通 Ｃ Ｃ Ｄ拍摄 到的视 场角度 十分有 限 ， 只能 够 拍摄 到摄像 机前方 有 限的范 围。对 于机 场 、 码头、 海 滩 等视场 比较开 阔 的地方 ， 单 个 摄像 机 往 往无 法 实 现全 区域覆 盖 ， 获得 大视 野场景 ， 从 而导致 监控操 作 人员不 能快 速 、 及时、 正确 地 判 断 ， 为安 防 系统 留下 了严重 隐患 。为 了弥 补性 能 上 的这 些不 足 ， 很 多人 开始 利用鱼 眼摄像 机和广 角镜头 等硬件设 备解决 这
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｓ Ｕ Ｒ Ｆ （ Ｓ ｐ ｅ ｅ ｄ ｅ ｄ Ｕ ｐ Ｒ ｏ ｂ ｕ ｓ ｔ Ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ）ｏ ｐ ｅ ｒ ａ ｔ ｏ ｒ ｃ ａ ｎ ｂ ｅ ａ ｇ ｏ ｏ ｄ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｔ ｏ ｓ ｏ ｌ ｖ ｅ ｉ ｍ ａ ｇ ｅ ｓ ｃ ａ ｌ ｅ ，
一
幅 图片进行 Ｓ Ｕ Ｒ Ｆ特征提 取 ，获 取其 特征 向量 ，然后 再采 用柱 面坐标 系变换方 法 实现 对 多幅 图
片的拼接 。实验 结果表 明该 方法 实现 简单 ，运算 量小 ，拼 接效果 较好 。 关键词 ：特征 提取 ；Ｓ Ｕ Ｒ Ｆ ；柱 面坐标 ；拼接
Ｉ ｍａ ｇ ｅ ｓ ｔ ｉ ｔ ｃ ｈ ｉ ｎ ｇ ａ ｎ ｄ ｓ ｙ ｎ ｔ ｈ ｅ ｓ ｉ ｓ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｉ ｎ ｌ ａ ｒ ｇ ｅ ｓ ｃ ｅ ｎ ｅ ｖ ｉ ｄ ｅ ｏ ｍｏ ｎ ｉ ｔ ｏ ｒ ｉ ｎ ｇ
ｒ ｏ ｔ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｉ ｌ ｌ ｕ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ ｉ ｎ ｖ ａ ｒ ｉ ａ ｎ ｃ ｅ ｆ ｏ ｒ ｉ ｔ ｓ ｇ ｏ ｏ ｄ ｒ ａ ｐ ｉ ｄ ａ ｎｄ ｒ ｏ ｂ ｕ ｓ ｔ ｎｅ ｓ ｓ ，ｉ ｔ ｈ ａ ｓ ｗｉ ｄ ｅ ｌ ｙ ｕｓ ｅ ｄ ｉ ｎ ｍａ ｎ ｙ ｋ ｉ ｎ ｄｓ ｏ ｆ ｉ ｍａ ｇ ｅ ｒ ｅ ｇ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｓ ｔ ｉ ｔ ｃ ｈ ｉ ｎ ｇ ．Ｔｈ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｖ ｅ ｃ ｔ ｏ ｒ ｓ ｏ ｆ ｔ ｈｅ ｉ ｍａ ｇ ｅ ｓ ａ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｅ ｄ ｂ ｙ Ｓ ＵＲＦ ｏ ｐ ｅ ｒ ａ ｔ ｏ ｒ ，ｗｉ ｈ ｔ