摘 要

本文首先讲述了图像拼接的背景以及意义，继而比较全面的介绍了图像拼接的具体流程，并且阐述了一些经典的图像匹配算法，然后进一步对这几种匹配算法的性能从多个方向进行分析和比较，全部的实验均借助VS2017平台和OpenCV编程环境完成，得到的实验结果表明：SIFT算法对特征点的描述要求最严格，ORB算法的计算速度最快，SURF算法的综合性能最佳也可适应复杂条件的变化。最后图像拼接采用SURF算法进行，匹配效果良好。

关键词：图像拼接；匹配算法；算法性能

Abstract

This paper narrated the background and significance of image mosaic in the started part. Moreover, it introduced the specific process of stitching and elaborated several remarkable image matching methods. Then proceed to analyze and compare the performance of these matching algorithms from different directions, the entire experiments of this paper are completed on VS2017 platform and OpenCV programming environment. The results obtained from the programming experiment show that the SIFT algorithm has the most stringent requirements for the description of feature points, the ORB algorithm is the fastest for calculation, the SURF algorithm has the best overall performance and can adapt to changes in complex conditions. Finally, the scheme of SURF is adopted for image mosaic, and the matching effect is better.

Key Words：image mosaic；matching algorithms；performance of algorithm

目录

第1章 绪论 1

1.1 课题研究的背景和意义 1

1.2 研究的内容与主要工作 1

第2章 图像拼接基本理论 2

2.1图像拼接基本流程 2

2.1.1 图像预处理 2

2.1.2 图像配准 3

2.1.3 图像融合 4

2.2经典的图像匹配算法 6

2.2.1 SIFT算法 6

2.2.2 SURF算法 9

2.2.3 ORB算法 11

第3章 经典匹配算法的性能比较和图像拼接实现 12

3.1 计算速度 12

3.2 旋转鲁棒性 13

3.3 模糊鲁棒性 14

3.4 尺度变化鲁棒性 16

3.5 图像拼接实现 17

第4章 结论 19

参考文献 20

致 谢 22

第1章 绪论

1.1 课题研究的背景和意义

现如今，人们已经步入5G时代，相应的生活质量也有着相应程度地提升，拍照、自拍、街拍、实时直播等词汇已经成为人们较为关注的热点话题。在日常生活中，一般的普通相机拍摄图像时，拍摄角度与范围十分有限，而且无法兼顾相机视场与视场中单个个体的分辨率问题；此外，全景相机普遍不适用较低成本的一般性应用场合。为了使普通相机克服自身种种应用条件局限性，获取更宽的视觉，甚至是无死角的全景图像，人们提出了图像拼接(Image mosaic)^[1]。图像拼接技术是指经过图像预处理、图像配准、图形融合等一系列图像拼接操作将含有公共区域的数张图像拼接成一幅包含各种图像信息的高分辨率、宽视角图像的技术^[2]。简而言之，该技术就是对多张互相含有重叠区域却各不相同的图像进行无缝拼接得到有一幅综合信息全面、分辨率高和优质的大型图像的技术。

同样地，在一些重要领域（如航天领域、医学领域、虚拟现实、全景驾驶等），图像拼接都有着十分广泛应用。因此，随着此技术的不断改进与发展，对图像拼接进行更深入透彻的研究就有着重要意义。

1.2 研究的内容与主要工作

本文第二章主要讲述的是图像拼接这一热门研究话题的基本的流程以及在实现图像拼接过程中所使用的较为经典的几种图像匹配算法，这些都是一些基础理论。而第三章为本文的阐述重点，即分别从多种角度先在实验中进行一些相应的测试，继而分析比较其各个算法的不同的性能，最后将各个小组的不同性能测试结果以及结论进行归纳和总结，之后选择一种最优的图像拼接算法实现图像拼接。从而为后续的图像拼接等领域的研究工作者提供一些简单的理论依据以及些许力所能及的帮助。

第2章 图像拼接基本理论

2.1图像拼接基本流程

图像拼接就是将诸多来自同一场景的含有重叠部分的碎片式图像拼接融合得到一幅包涵信息全面的高质量的全景图像。主要流程如下图2.1所示。

图2.1 图像拼接流程示意图

2.1.1 图像预处理

对于多幅图像要进行图像拼接，首当其冲要做的就是对将要拼接融合的这几张图像进行一系列预处理操作。图像预处理的目的就是消除图像采集过程中混入的噪声、提高配准精度、减低配准难度。常见的预处理操作主要有进行图像校正和抑制噪声等预处理操作。

当拍照的摄像机镜头或者被拍照的物体二者没有正好相对应着，那么拍摄出来的照片就会有一定的形变，这种情况实则在几何畸变中十分常见；此外，如果基于光学成像来拍照的摄像系统或者电子扫描摄像系统的限制而带来枕形或桶形失真，也是常见的图像失真情况^[3]。如果要处理的图像一旦有几何畸变的情况发生，就会对图像拼接带来诸多的不方便，比如两幅原图中原本相同的区域或对象因为几何畸变而变得差异很大，从而增大图像匹配的误差，这会导致图像配准无法进行，因此对几何畸变后图像进行图像校准就显得较为紧要。图像校准要完成的事情主要有：首先根据图像失真的实际情况建立相应的合适的数学模型，从被畸变或失真的图像中获取接下来图像拼接后续任务所需要的重要信息，从而使得失真后的图像通过拟失真恢复至原来的图像^[4]。该过程主要是求取特定的滤波器，目的是从畸变的图像中处理得到原图像的各个信号值，再按照一定的规则使其尽可能恢复原来的图像容貌。

抑制噪声带来的不良影响也是图像预处理的主要任务之一。通常来说，噪声是大自然界中无处不在的，图像噪声也就是图像真实信号与获得的信号之间的信号差，也可以解释成为干扰传感器对图像信息的采集而产生的偏差。图像噪声也是随机信号，通常用数理统计的方法对其进行消除处理。在图像输入以及图像采集等处理过程中对其进行噪声抑制是尤为关键的图像预处理操作，故噪声对图像也有非常意义。抑制图像噪声所使用的最经典方法就是采用高斯滤波器对图像进行滤波，得到平滑图像；还有其他的抑制噪声的方法为均值滤波法或中值滤波法。