基于虚拟现实的大视差图像网格优化拼接算法

图像亮度、局部区域信息强度影响图像清晰度,导致图像拼接效果不佳,为提升图像拼接效果,提出一种基于虚拟现实的大视差图像网格优化拼接算法。基于虚拟现实技术建立一个虚拟现实拼接环境,在此环境下开展图像拼接处理,对待拼接图像实施灰度化处理,增强图像局部区域信息强度;基于投影算法建立低密度的网格,并根据待拼接图像的匹配点分布结果建立网格矩阵,结合全局最佳相似变换矩阵实施矩阵加权叠加,对图像重叠区域展开失真校正;使用内容感知算法对图像重叠区域展开感知识别,找出其中的积累最小像素线,实施图像融合处理,通过融合结果完成大视差图像网格优化拼接。实验结果表明,使用该方法开展图像拼接时,图像拼接时间较短,均方根误差较低,拼接效果较好。

网格形变细分的大视差图像拼接算法

针对大视差图像拼接后重叠区域出现重影、非重叠区域发生透视失真等问题,提出一种改进的大视差图像拼接算法。利用尽可能投影算法(APAP)建立低密度网格形变,根据待拼接图像成对匹配点的分布对重叠区域内的网格形变进行细分。通过随机采样一致性算法计算全局最优相似矩阵,校正非重叠区域发生的透视失真现象。将全局最优相似矩阵与网格单应矩阵加权叠加,实现目标图像形变。在此基础上,对目标图像重叠区域进行内容感知,保留重要度较低的区域并完成拼接,以避免重叠区域出现重影问题。实验结果表明,相对APAP、SPHP等算法,该算法的拼接效果更能还原真实场景,且拼接图像的均方根误差值较低。

井下巷道大视差图像拼接算法

针对煤矿井下巷道视频监控采用定点旋转摄像头成本较高、拍摄视野和图像拼接效果有限等问题,设计了摄像头排列布局方式进行大视差拍摄,针对大视差拍摄的图像拼接困难问题,提出了一种基于多平面多感知缝合线的井下巷道大视差图像拼接算法。首先,采用尺度不变特征变换算法对输入图像进行特征点检测和匹配,得到特征匹配点;然后,基于多平面进行特征匹配点分组并产生相应的对齐候选单应性矩阵,每个单应性矩阵对齐图像中的1个平面,解决了巷道大视差场景下平面不一致问题;最后,在每组局部对齐图像上计算基于颜色、边缘及显著度的多感知缝合线,选择缝合线能量最小的对齐图像合成拼接图像,减少了局部区域错位现象。实验结果表明,该算法与APAP,ANAP,SPHP,NISwGSP,RobustELA等经典图像拼接算法及基于颜色的缝合线算法相比,有效消除了局部区域错位和重影问题,图像拼接效果更自然、无缝。

基于虚拟现实的大视差图像背景拼接改进

针对大视差图像拼接重叠区域无法完全对齐、接缝不自然、拼接后背景存在模糊、虚化、重影问题,提出一种基于虚拟现实的大视差图像背景拼接优化算法。计算和预估图像间重叠区域,使用掩模技术搜索重叠区域特征点,利用单应性矩阵划分图像重叠区域,对重叠区域内搜索到的特征点进行二轮细分,避免匹配结果产生重影现象。凭借特征点邻近算法对特征点进行初始匹配,以信息熵和互信息两个信息值确定图像的相似程度,经过设置约束条件,筛选出正确匹配对,剔除错误匹配,完成最终的图像配准和拼接。实验结果证明,所提方法拼接后图像背景无明显缝隙,避免了错误匹配带来的重影问题,拼接效果较好。

针对大视差图像拼接的显性子平面配准

目的针对图像拼接中大视差图像难以配准的问题,提出一种显性子平面自动配准算法。方法假设大视差图像包含多个显性子平面且每个平面内所含特征点密集分布。对该假设进行了验证性实验。所提算法以特征点分布为依据,通过聚类算法实现子平面分割,进而对子平面进行局部配准。首先,使用层次聚类算法对已匹配的特征点聚类,通过一种本文设计的拼接误差确定分组数目,并以各组特征点的聚类中心为新的聚类中心对重叠区域再聚类,分割出目标图像的显性子平面。然后,求解每个显性子平面的投影参数,并采用就近原则分配非重叠区域的单应性矩阵。结果采用公共数据集对本文算法进行测试,并与Auto-Stitching、微软Image Composite Editor两种软件及全局投影拼接方法(Baseline)、尽可能投影算法(APAP)进行对比,采用均方根误差作为配准精度的客观评判标准。实验结果表明,该算法在拼接大视差图像时,能有效地配准局部区域,解决软件和传统方法由误配准引起的鬼影、错位等问题。其均方根误差比Baseline方法平均减小55%左右。与APAP算法相比,均方根误差平均相差10%左右,但可视化配准效果相同且无需调节复杂参数,可实现自动配准。结论提出的显性子平面自动配准算法,通过分割图像所含子平面进而实现局部配准。该方法具有较高的配准精度,在大视差图像配准方面,优于部分软件及算法,可应用于图像拼接中大视差图像的自动配准。