【计算机视觉】全景图像拼接

1.实验原理

1.1图像拼接整体流程

1. 根据给定图像/集，实现特征匹配。
2. 通过匹配特征计算图像之间的变换结构。
3. 利用图像变换结构，实现图像映射。
4. 针对叠加后的图像，采用APAP之类的算法，对齐特征点。(图像配准)
5. 通过图割方法，自动选取拼接缝。
6. 根据multi-band blending策略实现融合。

1.2实验步骤的基本原理

1.2.1 SIFT算法（图像匹配特征）

SIFT是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。
SIFT算法相较于Harris算法精确不仅提高了精度，而且大大提高了关键点的稳定性，所以较为通用。
SIFT算法在多尺度空间由于采用DOG算子检测关键点，相比传统的基于LOG算子的检测方法，运算速度大大加快；
SIFT算法在构造描述子时，以子区域的统计特性，而不是以单个像素作为研究对象，提高了对图像局部变形的适应能力。

1.2.2 RANSAC算法（ 图像匹配特征优化，求解单应性矩阵）

• 优化
  SIFT算法的描述子稳健性很强，比Harris角点要来得精确，但是它的匹配正确率也并不是百分百的，会受到一些噪声点的干扰，有时就会因为不同地方有类似的图案导致匹配错误。
  RANSAC算法便是用来找到正确模型来拟合带有噪声数据的