图像全景拼接
1.实验原理
1.1图像拼接整体流程
- 根据给定图像/集,实现特征匹配。
- 通过匹配特征计算图像之间的变换结构。
- 利用图像变换结构,实现图像映射。
- 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)
- 通过图割方法,自动选取拼接缝。
- 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