文 献 综 述
- 背景
在日常生活中，使用普通相机来获取宽视野的场景图像时，人们必须通过调节相机焦距才可以摄取完整的场景，但这样所获取的全景照片的分辨率相对较低，这是因为相机的分辨率是一定的，拍摄的场景越大，得到的图像的分辨率就越低。因此人们只能通过缩放相机镜头减小拍摄的视野以换取高分辨的场景照片。另外，由于距离的限制，某些超大尺寸的物体无法用一张照片拍摄下来，这在航天照片的拍摄中显得尤为突出。利用广角镜头和扫描式相机可部分解决视角不足这一问题,但这些设备价钱昂贵,使用杂，而且广角镜头的边缘难免会产生扭曲变形。为了在不降低图像分辨率的条件下获取大视野范围的场景照片，人们提出了图像拼接技术，将普通图像或视频图像进行无缝拼接，得到超宽视角甚至360°的全景图，这样就可以用普通相机实现场面宏大的景物拍摄。图像拼接的目的就是利用计算机进行自动匹配，将具有重叠区域的多幅图片合成一幅宽角度图片，以扩大视区的范围。
图像拼接技术一个日益流行的研究领域，是虚拟现实、计算机视觉、计算机图形学和图像处理等领域的重要研究课题，在宇宙空间探测、海底勘测、医学、气象、地质勘测、军事、视频压缩和传输、视频的索引和检索、物体的3D重建、军事侦察和公安取证、数码相机的超分辨处理等领域都有广泛的应用。因此，图像拼接技术的研究具有很好的应用前景和实际应用价值。
- 方案
全景成像通过图像拼接来实现，图像拼接过程一般包含图像预处理、图像匹配、图像融合这三个步骤,图像预处理目的是更好地进行图像匹配,降低匹配的难度;图像匹配就是在有重叠部分的两幅图像中寻找到相重合的点，然后利用寻找到的空间变换完成图像的对齐操作，匹配的精度对于最终的拼接效果影响很大;图像融合就是将完成图像匹配的对齐图像拼接到一张图像中去,并消除拼接后的颜色差异和拼接缝隙.
图1 总流程图
按照图1的框图，先对需要拼接的图像通过摄像头进行获取，由于摄像头的视角有限，所以需要将图像分成几个部分拍摄，然后进行图像平滑与锐化、相位相关处理等预处理，得到基本的几部分图像；接着运用SIFT算法、Harris算法等对各部分的图像进行特征点的配准，然后基于像素、特征值或决策级进行图像融合。最后比较不同算法的优缺点，调试比较图像处理结果。
- 具体原理
在图像拼接流程图中的图像配准阶段，需要使用SIFT算法。SIFT算法是基于图像尺度空间理论的局部特征描述子，它利用高斯差分算子构建尺度空间，并在尺度空间中寻找极值点，提取位置信息，然后通过统计其梯度信息和方向，生成SIFT描述子，然后对128维描述子进行匹配,减小因图像发生旋转、光照、尺度、噪声等变化造成的错误匹配概率，SIFT算法具体流程如图2所示。
图2.SIFT图像拼接算法流程图
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
