摘 要

本文的目的是讲述在Android平台下进行全景图像的设计与实现。全景图像的生成离不开图像拼接技术，常用的图像算法有SUFT算法，SIFT算法和ORB算法。由于ORB算法的计算速率很快，生成效果也很好，本文采用的是ORB算法进行图像拼接。

在特征点提取和配准，ORB算法采用了FAST算法进行选取特征点，采用BRIEF算法来计算二进制描述子，FAST算法的运算速度十分的快捷，BRIEF算法计算得来的二进制描述子能够很方便进行特征点配准计算。

在图像解运动过程中，我们采用RANSAC算法来计算可靠的单应矩阵，其中涉及到了LM的最优算法。

图像拼接就是根据单应矩阵进行两张图像的拼接，从而生成合适的全景图像。

论文主要研究了ORB算法及相关的计算机视觉算法。

研究结果表明：采用ORB算法进行全景图像拼接可行，并且速度也比较快捷。

本文的特色：从一个图像学习初学者的视角分析图像凭借。

关键词：ORB；图像拼接；全景图像；计算机视觉

Abstract

The purpose of this article is to describe the Android platform for panoramic image design and implementation. Panorama image generation is inseparable from the image splicing technology, commonly used image algorithm SUFT algorithm, SIFT algorithm and ORB algorithm. As the ORB algorithm is very fast, the effect is very good, this paper uses the ORB algorithm for image stitching.

In the feature point extraction and registration, the ORB algorithm uses the FAST algorithm to select the feature points. The BRIEF algorithm is used to calculate the binary descriptor. The FAST algorithm is very fast. The BRIEF algorithm can be used to calculate the binary descriptor. Feature point registration calculation.

In the process of image motion, we use RANSAC algorithm to calculate a reliable single-matrix, which relates to the LM's optimal algorithm.

Image splicing is based on a single matrix should be two images of the splicing, resulting in a suitable panoramic image.

The paper mainly studies the ORB algorithm and the related computer vision algorithm.

The results show that the use of ORB algorithm for panoramic image splicing feasible, and the speed is relatively fast.

The characteristics of this article: from an image learning beginner perspective analysis of the image by virtue of.

Key Words：ORB；image stitching；panorama image；computer vision

目 录

第1章 绪论 1

1.1 选题的原因和意义 1

1.2 国内外研究现状 1

1.3 本文研究内容 1

1.4 本文结构 2

第2章 特征点提取和配准 3

2.1 特征点的检测 3

2.2 特征点的描述 4

2.3 特征点的配准 5

第3章 图像解运动 7

3.1 单应矩阵 7

3.2 Ransac算法 7

3.3 LM算法 8

第4章 图像拼接 11

4.1 开发环境与开发工具 11

4.1.1 环境概述 11

4.1.2 开法环境与开发工具 11

4.1.3 环境搭建 11

4.2 处理步骤 12

第5章 总结与展望 14

5.1 总结 14

5.2 现状与展望 14

致谢 15

参考文献 16

绪论

选题的原因和意义

在现阶段的计算机研究领域中，大数据与图像领域都是其中的热门领域，图像领域中，全景图像的生成是一个很重要的部分。随着可以的发展，从高铁到飞机，人们所能接触到的生活距离越来越远，拍照成为人们日常必须的一件事儿，让旅行中需要拍摄那些壮阔的场面时，我们常常会被相机的窄视角给限制，全景图像的出现解决了这一方面的问题。此外，在科学领域，随着太空技术和深海技术的发展，我们能够通过相关设备得到图像，同样的，要想得到地貌全况，生成合适的全景图像意义重大。

目前，全景图像的研究已经得到了不少关注，很多技术应运而生，SUFT技术，SIFT技术以及ORB技术等等。如何在Android平台下设计与实现全景图像应用，是全景图像这一块的一个空白，因此我们要做的就是这一方面的工作。在算法选用中，我们放弃了传统的SUFT技术和SIFT技术，因为这两种算法的运算速率不高，并且全景图像的生成效果不太好。进过对比后我们选择了ORB这种较新的算法。ORB算法的运算速率很快，且ORB算法的生成效果很好，在Android平台下，用ORB算法来快速实现全景图像的生成是现在的研究领域的空白点，也是一个值得投入研究的重要领域。

国内外研究现状

图像拼接技术国外研究现状：图像拼接最早就是在国外引起的关注，在图像拼接发展的初始阶段，科学家们采用的是相位相关法来解决这方面的问题，相位相关法处理的图像拼接的效果在多张图片的应用场景下，效果是不太令人满意的，后来为了解决这种效果问题，科学家们提出了，先将图像进行多尺度的分解，然后根据多尺度分解的结果来进一步计算下一步的图像拼接，由于分尺度的操作，图像的效果比以前好了很多，速度也有不小的提升。随着技术的发展，多尺度分解并不能满足图像拼接的各种需求，科学家们有开始尝试根据运动选取适合算法的尝试，二十一世纪，科学家JungpilShin提出了能量谱的概念，打算通过能量谱技术的运用来让生成的图像进一步的减小失真，去除重影^[2]。

随着国外图像拼接技术研究的兴起，国内学界对其研究也逐渐得到发展。在二十世纪末期，我国科学家就提出了考虑图像的自配准，根据实际情况（图像的角度偏移，运动等等）让图像进行自动配准。。二十一世纪，又有科学家提出了要进行动态场景这方面的研究，图像在动态领域的研究让图像的拼接技术能够得到更多方面的发展。在2008年7月，我国科学家提出了一个崭新的图像拼接的方法，此方法便是基于Ransac算法改进的。在这之后，我国科学家在图像拼接和全景图像领域纷纷进行研究，取得了不小的进步。

本文研究内容

本文是进行Android平台下全景图像的研究，属于图像拼接这一范畴，全景图像至今已经有了不少的研究，可是在Android平台下的研究十分的稀少，为了提高运算速率，我们采用的ORB算法，对比以往的SUFT算法、SIFT算法等，ORB算法有一个很吸引人的优势，ORB算法的运行速度更快，生成的全景图像的效果也更好，正是由于ORB算法的这一优势，此次毕业设计采用ORB算法来实现图像拼接技术。ORB算法是图像匹配算法，第一步要进行的就是寻找图像特征点，ORB算法采用的是FAST算法寻找特征点，因此FAST算法我们也需要研究，同样的，BRIEF算法进行特征点描述子，RANSAC算法进行最佳单应矩阵的寻找都在我们的研究范围内。

本文结构

首章节是绪论部分，用来阐述清楚此毕业设计的目的与意义，介绍一下国内外的研究发展进展和本文研究的主要内容。接下来便是全景图像生成的核心部分，要想生成一张全景图像，首先要做的就是对每张子图像进行处理，因此第二章节就是进行图像特征点的提取和配准的介绍。在得到了图像的特征点和描述子后，我们需要确定一种对应关系，来将两张图像的坐标进行装换，之一部分内容会在第三章节图像解运动进行处理。得到了对应关系后（也就是合适的单应矩阵），我们就能够根据单应矩阵在我们的开发平台下进行拼接，这一部分内容对应第四章节图像拼接。至此我们可以实现在Android平台下进行全景图像的生成。最终我们需要对全景图像的未来进行展望，对这一领域的后续发展提出自己的看法。

特征点提取和配准

现在我们已经对某一个场景进行了两张图像的拍摄，在进行全景图像的生成时，第一步要做的就是对那两张图像进行分析，将这两张的对应场景的特征点提取出来，并进行特征点配准的工作，本章节要做的就是这一部分内容。

特征点的检测

这一部分可以看做是单张图像的处理部分，在进行内部逻辑的处理之前我们首先要做的就是对我们的图像进行预处理。