论文部分内容阅读
热成像技术能够探测不可见的长波红外辐射并以图像的形式显示，在科学研究、安防刑侦及国防军事中有着举足轻重的地位。如果可以用全景图的方式显示所观测场景的大视场热成像则能够极大地扩大观测者的视野、提升场景感知能力。然而，由于热辐射成像模糊、信噪比低，图像特征提取往往存在着较大误差，进而导致特征点匹配不稳定，图像拼接失败。本文针对红外图像的特性，提出了一种鲁棒性的热成像全景图生成方法。首先对红外图像进行畸变矫正，再利用SIFT算法进行特征提取，并对特征向量进行去相关降维，然后使用改进的RANSAC(Random Sample Consensus)算法进行特征点匹配，最后根据匹配好的特征点进行图像拼接及去缝处理，实现红外图像的无缝拼接。具体的研究内容包含以下几个方面: (1)为保证图像在配准时有充足的特征数据，对比各种特征提取算法之后，选取了提取能力与稳定性较为平衡的SIFT(Scale-invariant feature transform)算法作为特征提取算法，并且为使红外图像在进行拼接时不产生畸变，先对图像进行捆绑调整。 (2)为提高红外图像特征点匹配的准确性和鲁棒性，提出了基于特征点的鲁棒性匹配算法。首先使用PCA（主成分分析）对特征提取算法形成的特征点描述子进行降维，降低描述子之间的相关性;再对粗匹配的结果利用密度峰搜索聚类算法和四边形法则进行去误匹配处理，去除误匹配点对;最后利用双向匹配和改进的RANSAC算法完成匹配图像之间空间变换参数的求解，最终完成红外图像的配准。实验证明，改进后的算法极大提高了红外图像特征点匹配的准确率和鲁棒性。 (3)在完成图像特征点匹配的基础上，为了实现图像的无缝拼接，对渐入渐出加权平均融合算法进行了改进，使其能够更好地适应拼接图像之间空间变换对图像合成时带来的影响。实验证明，改进后的合成算法能够较好的实现图像的无缝拼接。