实现含有运动物体的图像拼接方法论文免费下载

　　图像拼接是生成全景图的关键技术之一，针对传统图像拼接方法只能处理静态图像这一问题，本文提出了一种含有运动物体的图像拼接方法。该方法运用梅林变换、目标分离提取、差值图像处理等技术，有效地解决了图像拼接中的区域精确匹配、光照差、噪声点及图像融合问题。实验表明对含有运动物体的图像采用该方法进行拼接可以获得较满意的视觉效果。

　　全景图是近年来兴起的基于图像绘制技术中的重要研究方向，其在虚拟环境、计算机视觉以及多媒体等领域得到广泛应用。获取全景图的方法包括：1）利用广角镜头和扫帚式相机来获得［1］，但得到360度的全景图比较困难而且广角镜头的边缘会产生变形。2）利用图像拼接技术将一系列有重叠区域的普通图像进行无缝拼接，可以很好地解决广角镜的不足，而图像拼接的质量决定了全景图的视觉效果。图像拼接根据相邻图像间重叠区域的相似性进行，传统拼接算法主要分为两类：基于特征的方法和基于区域的方法。前者从图像的局部特征出发寻找最优匹配区域，其结果一般为局部最优解；并且当场景中含有运动物体，如果特征点选择在运动物体的边界上时，特征点匹配的方法失效。后者是最小化图像重叠区域对应象素的差值，受光照变化的影响较大，抗干扰能力差；尤其当场景中包含运动物体时，其对象素差的错误贡献显著，通常导致算法失败。因此亟待研究含有运动物体的图像拼接算法。

　　Kuglin提出了基于梅林变换的图像拼接方法，该方法利用频域中的相位信息寻找最佳匹配点，不受运动物体的影响。对于重叠区域的融合，传统方法是对重叠区域象素的灰度值加权平均。然而如果待拼接图像重叠区域中含有运动物体，直接加权平均处理由于物体运动前后位置不同，融合后的图像因出现重影而严重影响视觉效果。针对这一问题James Davis［5］提出采用分块的方法，即将图像的重叠部分分割成左右两个区域，对应全景图中每个区域从单个图像中采样，使得图像颜色在边界上的差值最小，从而保证拼接图像产生最小的不连续性。由于相机拍摄角度及拍摄时间不同，相邻图像的整体光照会有差别。因而采用分块的方法在全景图中仍能看到明显的光照变化，给人以不连续不真实的感觉。