ransac剔除误匹配matlab代码,基于APAP图像拼接算法的改进

硕 士 学 位 论 文 基于 ＡＰＡＰ 图像拼接算法 的 改进 学 科 专 业  软件工程  学 位 类 型工 学硕 士学位 研 究 生 姓 名  刘 诗  导 师姓名 、 职称  李乔 良 教授  论 文 编 号Ｓ １ ８０ ３７ ７ １ 湖南 师 范 大学 学 位评定 委员 会 办公 室 二 〇 一八年六 月 分 类 号密级 学校代码１ ０５４２学号 ２０ １ ５２０ １ ００８８１ 基于 ＡＰＡＰ 图像拼接算法的改进 ＩｍｐｒｏｖｅｍｅｎｔｏｆＩｍａｇｅＳｔｉｔｃｈｉｎｇＡｌｇｏｒｉｔｈｍ ｂ ａｓ ｅｄｏｎＡＰＡＰ 研 究 生 姓 名 刘 停 指导教师姓名 、 职称李养 良 教授 学 科 专 业软件工程 研 究 方 向网 络与信息安全 湖南 师范大学学位评定委 员 会办公 室 二？ 一 八年六 月 摘 要 在计算机视觉领域 ， 图像拼接是指通过图像配准和图像融合等算 法将两幅或者多幅 图像拼接成一幅 宽视角 、 无缝隙的图 像 。 而随着研 究的深入 ， 图像拼接广泛地应用于虚拟场景 、 医学图像分析 、 军事图 像 以及遥感 图像处理等领域 ， 已成为计算机视觉的研宄热点课题之 〇 本文针 对Ａｓ－Ｐｒｏｊ ｅｃｔｉｖｅ－Ａｓ －Ｐｏｓ ｓｉｂｌ ｅＩｍａｇ ｅＳｔｉ ｔｃｈｉｎｇ算法 ( 简 称 ＡＰＡＰ 算法 ) 的特征局 部精度不够、 匹配速率慢以及固 定阈值 的问 题 ， 提出其相应的 改进 ， 如下 ： ( １ )ＡＰＡＰ 算法使用 ＳＩＦＴ 算法进行特征检测 。 ＳＩＦ Ｔ 算法鲁棒性 很强 ， 但是牺牲了 局部精度 ， 容易造成边界模糊和细节上的丢失 ； 而 改进的 方法使用基于非线性扩散 的 ＫＡＺＥ 特征检测算法 ， 该算法是在 非线性尺度空 间 中 用于多尺度二维特征点 的检测和描述 的算法 ， 它保 证 了 图像边缘在尺度变换中信息损失量非常少 ， 从而极大地保留 了 图 像的细节信息 。 采用 ＫＡＺＥ 算法可 以有效提高其精度 。 ( ２ )ＡＰＡＰ 算法进行特征匹配的速率较慢 。 本文使用基于网 格 运动统计的特征匹配算法 ， 该方法通过贝 叶斯统计方法判 断 出运动空 间 的特征点匹配是 否平滑 ， 来验证匹配是否准确 。 它具有速率快 、 鲁 棒性强、 匹配率高 的优点 ， 从而提高 了 整个算法的运行速率和拼接质 量 。 ( ３ )ＡＰＡＰ 算法使用 ＲＡＮＳＡＣ 算法剔除误 匹配点对 。 而该算法 阈 值的选取是固 定不变的 ， 将导致其鲁棒性相对较差 。 本文采用最大 类间方差法 自 动选取阈值 ， 进而提高 ＲＡＮＳＡＣ 算法的鲁棒性 以及简 化其流程 。 本文使用 计算机视觉库 Ｏｐ ｅｎＣＶ ， ＭＡＴＬＡＢ 和 Ｃ＋＋编程语言对 算法进行实现 ， 通过不同场景 图像的特征检测 的 时间 、 在不 同亮度和 不同高斯模糊 下其特征点 的重复率 、 均方根误差以及图像拼接效果图 的实验对 比 ， 验证了 本文算法的有效性和 鲁棒性 。 关键词 ： ＡＰＡＰ ， 特征检测 ， ＫＡＺＥ ， 最大类间方差 ， 鲁棒性 匹配 Ｉ ＡＢ ＳＴＲＡＣＴ Ｉｎｔ ｈｅｆｉ ｅ ｌｄｏ ｆ ｃｏｍ ｐ ｕｔｅｒｖ ｉ ｓｉ ｏ ｎ，ｉ