导读:本文包含了全景图像拼接论文开题报告文献综述及选题提纲参考文献，主要关键词:球面全景图像,电力培训,变电站,可视化
全景图像拼接论文文献综述
邢显锋,劳卫伦[1]（2019）在《基于球面全景图像拼接的变电站内部可视化研究和应用》一文中研究指出本文通过采取球面全景图拼接方式,实现变电站内部场景的可视化。球形全景图拼接是通过拍摄多张图片拼成一张全景图,基本原理是搜索两张图片的边缘部分,并将成像效果最为接近的区域进行自动拼接重合。本文提出通过拍摄多张变电站内部图片,使用unity3D引擎进行球面全景图像处理,再通过虚拟现实眼镜进行软硬件结合实现变电站内部可视化。该方法可用于提高变电站电力培训的真实性、互动性和趣味性,可广泛应用于电力培训,既保障了安全性能和效率,也明显节约了培训成本。(本文来源于《电子技术与软件工程》期刊2019年18期）
徐弘祯,李世超,季宇寒,曹如月,张漫[2]（2019）在《基于特征点匹配的全景相机图像拼接方法研究》一文中研究指出全景相机可获取农机周围360°范围内的图像信息,具有覆盖范围大等特点,但需要对多镜头获取的图像进行拼接与融合,才能生成全景图像,为农机避障提供支持。以雷沃欧豹拖拉机为试验平台,搭载全景相机,获取实验农场的农田图像数据。首先对多幅图像进行预处理,包括通过柱面投影变换统一坐标系,采用基于特征点的SIFT算法提取图像的特征点并进行匹配;针对传统SIFT算法存在错误匹配而影响图像拼接质量的问题,使用RANSAC算法进行多次优化迭代,达到剔除错误匹配点的效果;针对匹配后生成的图像变换矩阵,为防止其线性结果不稳定并进一步优化结果,采用非线性的LM算法进行优化,使用线性加权平滑算法对图像进行融合,实现全景图像的生成。试验采用计算图像重迭区域相关系数定量评价图像拼接效果,并对获取的30组共60幅图像采用RANSAC算法和LM算法进行处理。结果表明,经过RANSAC算法处理后,误匹配点得到明显剔除,匹配特征点之间的平均几何距离偏移量明显减小,其平均值由39. 401 3像素下降至0. 581 9像素,相关系数由0. 287 8上升至0. 724 9。与手动设置阈值的剔除误匹配点方法进行了比较,经过RANSAC算法处理后的平均相关系数为0. 724 9,大于阈值设为0. 4时的0. 593 3,以及阈值设为0. 6时的0. 200 7,证明该算法能够实现多种情况下的图像拼接,剔除误匹配点;经过LM算法处理后,平均几何距离偏移量由0. 581 9像素进一步下降至0. 569 3像素,平均相关系数由0. 724 9进一步上升至0. 726 1,证明图像变换矩阵得到进一步优化,全景图像的拼接质量得到进一步提高。(本文来源于《农业机械学报》期刊2019年S1期）
李绽蕾,陆思语[3]（2019）在《基于块匹配的全景图像拼接算法研究》一文中研究指出针对超宽视角的全景图像拍摄,采用普通相机获取的全景图像分辨率较低,本文采用基于SAD的块匹配算法实现两幅图像的拼接和融合。实验结果表明采用块匹配的全景图像拼接方法拼接精度较高、两幅图像的融合效果较好,能够得到满意的拼接图像。(本文来源于《科技经济市场》期刊2019年07期）
贾文超[4]（2019）在《基于ORB算法的全景图像拼接技术》一文中研究指出基于快速、高效地实现全景图像拼接的目的,使用鱼眼图像对特征匹配中的SIFT、SURF和ORB叁种算法在特征点的提取速度和效率方面进行了对比分析。考虑获取图像自身的特点,采用ORB算法实现特征点的提取。在此基础上,结合特征点筛选和影像融合等技术,实现了全景图像的拼接。实验结果表明:在特征点提取方面,ORB算法比SIFT和SURF算法的提取速度更快、检测效率更高。同时,本文的全景图像拼接框架能够很好地实现全景图像的拼接。(本文来源于《城市勘测》期刊2019年03期）
杨春德,成燕菲[5]（2019）在《基于拼接缝自适应消除和全景图矫直的快速图像拼接算法》一文中研究指出针对图像拼接存在色差过渡不均匀、图像倾斜扭曲及拼接效率低的现象,提出一种基于拼接缝自适应消除和全景图矫直的快速图像拼接算法。首先,用尺度不变特征变换(SIFT)提取图像指定区域特征点并用双向K近邻(KNN)算法进行图像配准,有效提高算法效率;其次,利用动态规划思想提出自适应公式找到最优拼接缝并用图像融合算法对其自适应消除,解决拼接缝色差过渡不均匀问题;最后,针对累积拼接误差形成全景图倾斜的现象,利用边缘检测算法提出自适应拟合四边形矫直模型,把原始全景图矫直为一个全新的全景图。所提算法与分块图像拼接和二叉树图像拼接算法相比,图像质量提升了5.84%～7.83%,拼接时间仅为原来的50%～70%。实验结果表明,该算法不仅通过自适应更新机制减少不同图像背景下拼接缝色差过渡不均匀的现象,从而提高了图像质量;而且提高了拼接效率,降低了全景图倾斜扭曲程度。(本文来源于《计算机应用》期刊2019年10期）
孙光灵,朱庆生,李茜茹[6]（2019）在《建筑工地高分辨率无人机全景图像关键帧选取与拼接》一文中研究指出随着建筑工地规模的增加,及时了解工地的状态变得越来越困难。无人机技术的发展,在短时间内可以收集到大量建筑工地的图像数据。利用这些数据,可以实时、有效地通过视觉技术监测大型建筑工地。论文提出了一种采用过滤模糊帧,选择关键帧,修正摄像机镜头畸变策略,对施工现场全景图进行图像拼接。用该方法得到高质量的完整全景图,有助识别各种施工现场环境。(本文来源于《巢湖学院学报》期刊2019年03期）
张超[7]（2019）在《手持相机实现校园全景图像拼接》一文中研究指出本文概括了图像拼接技术的研究目的、意义和应用,介绍了基于灰度的图像拼接和图像融合技术的基本流程,应用SIFT特征点提取算法及边缘检测确定了两幅图像的缝合点及其匹配位置,实现了图像的拼接。最后利用手持相机获得的数字图像,结合上述拼接方法,实现了校园全景图像的拼接。(本文来源于《科幻画报》期刊2019年05期）
马清[8]（2019）在《基于特征点匹配算法研究及其在全景图像拼接中的应用》一文中研究指出图像匹配技术是许多计算机视觉应用中的一项基础而关键的技术,其目的是从空间上对齐不同时间、不同视点或不同传感器获取的同一场景的两幅或多幅图像。图像匹配是叁维重建、变化监测、视频跟踪、图像融合等众多应用中的核心前提,是计算机视觉领域研究的重点。因此,设计一种快速、鲁棒且能达到工业对效率与精度需求的图像匹配算法,具有重要的价值意义。首先,针对传统基于特征的图像配算法对错误特征匹配容错率不高的问题,本文提出了一种基于高斯场准则的鲁棒特征匹配方法(Gaussian Field Criterion,GFC),使得场景存在复杂非刚性变换时仍能获得高精度特征匹配结果。算法基于现有的尺度不变特征变换算法构建初始特征匹配,然后专注于剔除其中的未知错误匹配。具体来说,本文将误匹配剔除转化为图像变换回归拟合问题,设计一种高斯场准则实现存在错误样本下的鲁棒估计,进而实现误匹配精准剔除。该准则既可处理线性又可处理非线性图像变换。在线性情形下,使用单应性矩阵来对变换进行建模;在非线性情况下,采用位于再生核Hilbert空间中的非刚性函数建模,同时设计相应的正则化项并添加到目标函数中以确保其良好的泛化能力。此外,将稀疏近似应用于非刚性变换,使得算法复杂度从立方降为线性。在各种自然和遥感图像数据集上的广泛实验表明了 GFC算法的有效性;与其他处于领先水平的特征匹配方法相比,GFC能够产生更优的匹配精度与效率。然后,基于待匹配图像特征点对的空间邻域关系(即图像场景的拓扑结构)具有一致性的特点,通过对局部邻域结构进行定义,提出一种基于K近邻序列相似性的特征匹配算法(Top K Rank Preservation,TopKRP),实现初始匹配误匹配比率高情形下的精准匹配。该算法将数据从特征空间转换为排序列表空间,设计了一种简单有效的拓扑结构测量方法,可通过比较初始匹配的排序列表来简单地计算两个特征点的拓扑结构相似性,进而实现误匹配精准剔除。通过在具有典型场景的10个公共图像对上进行验证,结果表明TopKRP优于多种现有处于领先水平的特征匹配方法,尤其是当初始错误匹配的比率很大时。最后,我们将GFC算法应用到实际场景的全景图像拼接中,设计了 4组不同场景的实验,包括红外图像和可见光图像。实验结果展示了较好的图像拼接效果,证明了算法的实用性。(本文来源于《华中师范大学》期刊2019-05-01）
冯秀霞[9]（2019）在《医学图像特征检测与自动全景拼接方法研究》一文中研究指出随着人口结构向老年人口的急剧转变,与年龄有关的眼部疾病,将变得越来越普遍,并发展成为一个严重的公共卫生问题。眼底全景图对手术的诊断和介入规划非常有意义,然而由眼底照相机或扫描激光检眼镜(Scanning Laser Ophthalmoscope,SLO)拍摄的单张眼底图像只能捕捉到眼睛的局部区域,故将多张高分辨率图像生成清晰的视野宽阔的全景图有较大研究价值。X线图像因为其辐射低,价格低廉等优点,在疾病的诊断方面的优势仍无可替代。X线图像如脊柱或者下肢图像由于硬件如探测器的限制往往只能拍摄其中一部分,对于脊柱侧弯畸形和下肢畸形等疾病,医生需要X线全景图像来提供更好地临床诊断。本文的研究内容包括:(1)基于特征的眼底图像的自动拼接。该算法首先采用卷积神经网络对眼底图像中的血管结构进行分割。提出一种基于形态学算子的方法提取血管结构的分叉点为特征点。接着对图像进行匹配,使用随机抽样一致算法(Random Sample Consensus,RANSAC)对图像匹配点对进行提纯并且计算图像的单应性矩阵实现图像的配准对齐。利用不同的投影变换模型将全部待拼接图像变换到同一坐标系下。最终将待拼接图像无缝融合生成全景图像。图像数据来自14对不同的眼睛,总共62张图像,190对重迭的图像。使用数据对算法进行量化评估。本文算法得到的均方根误差较小,匹配召回率均高于其他算法。此外选择常用的图像处理拼接软件AutoStitch软件、phtoshop cs6软件中的phtomerge功能以及ICE(Image Composite Editor)软件与本文方法分别生成全景图比较。实验结果表明,算法能实现精准匹配,得到高质量的眼底图像全景图。(2)基于区域匹配的X线图像全景拼接。本文提出一种基于模板匹配的拼接算法。首先将图像进行预处理,然后使用模板匹配法对图像的灰度信息精确计算得到拼接的平移参数,确定图像之间的重迭区域,实现图像的配准。最后采用多频段融合算法对图像进行无缝拼接。实验中,使用归一化互相关系数作为量化评价指标,分析模板宽度选取的大小和归一化相关系数的关系,选择最合适的模板宽度(50%)。在下肢图像中,归一化互相关系数均值为98%,在全脊柱图像中,归一化互相关系数均值为85%。最后对全脊柱和下肢图像分别进行全景图的拼接,经试验表明,拼接效果较好。(本文来源于《南方医科大学》期刊2019-05-01）
谢安宁,张宏伟,赵志刚,孟智勇,王增国[10]（2019）在《基于叁维旋转模型的红外全景图像拼接方法》一文中研究指出分布孔径红外系统(DAIRS)是目前各国在红外搜索跟踪系统领域的重点发展方向,DAIRS系统为了减少冗余,通常减少重迭区域面积以获得较宽视场覆盖,这使得基于特征的拼接方法提取特征数量不足。本文通过构建叁维旋转模型,采用基于梯度下降的图像配准方法,并在时间维度上进行多帧迭代来进行叁维重建,再采用改进的亮度调整算法和多分辨率过渡区融合消除拼接痕迹。实验结果表明,本文算法对于平面投影和柱面投影都实现了全景图像的无缝拼接,过渡区通过多分辨率融合有利于进步消除模糊现象。(本文来源于《激光与红外》期刊2019年04期）
全景图像拼接论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
全景相机可获取农机周围360°范围内的图像信息,具有覆盖范围大等特点,但需要对多镜头获取的图像进行拼接与融合,才能生成全景图像,为农机避障提供支持。以雷沃欧豹拖拉机为试验平台,搭载全景相机,获取实验农场的农田图像数据。首先对多幅图像进行预处理,包括通过柱面投影变换统一坐标系,采用基于特征点的SIFT算法提取图像的特征点并进行匹配;针对传统SIFT算法存在错误匹配而影响图像拼接质量的问题,使用RANSAC算法进行多次优化迭代,达到剔除错误匹配点的效果;针对匹配后生成的图像变换矩阵,为防止其线性结果不稳定并进一步优化结果,采用非线性的LM算法进行优化,使用线性加权平滑算法对图像进行融合,实现全景图像的生成。试验采用计算图像重迭区域相关系数定量评价图像拼接效果,并对获取的30组共60幅图像采用RANSAC算法和LM算法进行处理。结果表明,经过RANSAC算法处理后,误匹配点得到明显剔除,匹配特征点之间的平均几何距离偏移量明显减小,其平均值由39. 401 3像素下降至0. 581 9像素,相关系数由0. 287 8上升至0. 724 9。与手动设置阈值的剔除误匹配点方法进行了比较,经过RANSAC算法处理后的平均相关系数为0. 724 9,大于阈值设为0. 4时的0. 593 3,以及阈值设为0. 6时的0. 200 7,证明该算法能够实现多种情况下的图像拼接,剔除误匹配点;经过LM算法处理后,平均几何距离偏移量由0. 581 9像素进一步下降至0. 569 3像素,平均相关系数由0. 724 9进一步上升至0. 726 1,证明图像变换矩阵得到进一步优化,全景图像的拼接质量得到进一步提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
全景图像拼接论文参考文献
[1].邢显锋,劳卫伦.基于球面全景图像拼接的变电站内部可视化研究和应用[J].电子技术与软件工程.2019
[2].徐弘祯,李世超,季宇寒,曹如月,张漫.基于特征点匹配的全景相机图像拼接方法研究[J].农业机械学报.2019
[3].李绽蕾,陆思语.基于块匹配的全景图像拼接算法研究[J].科技经济市场.2019
[4].贾文超.基于ORB算法的全景图像拼接技术[J].城市勘测.2019
[5].杨春德,成燕菲.基于拼接缝自适应消除和全景图矫直的快速图像拼接算法[J].计算机应用.2019
[6].孙光灵,朱庆生,李茜茹.建筑工地高分辨率无人机全景图像关键帧选取与拼接[J].巢湖学院学报.2019
[7].张超.手持相机实现校园全景图像拼接[J].科幻画报.2019
[8].马清.基于特征点匹配算法研究及其在全景图像拼接中的应用[D].华中师范大学.2019
[9].冯秀霞.医学图像特征检测与自动全景拼接方法研究[D].南方医科大学.2019
[10].谢安宁,张宏伟,赵志刚,孟智勇,王增国.基于叁维旋转模型的红外全景图像拼接方法[J].激光与红外.2019