论文部分内容阅读
当今随着计算机视觉技术的快速发展，虚拟现实技术已经成为目前计算机领域的一个非常活跃的研究课题。基于图像绘制的柱面全景图生成技术作为一种构造虚拟现实的全新生成方法，无需进行复杂繁琐的建模工作，同时无需运用专业的镜头进行图像的摄取，利用普通数码相机拍摄到的图像即可完成全景图的生成。基于图像绘制的柱面全景图生成技术因具备以上特点而越来越受到人们的关注。
本文就基于图像绘制的柱面全景图生成方法展开了研究，借鉴之前研究者所取得研究成果，重点对柱面全景图生成过程中的图像匹配环节进行了详细的研究。对当前流行的图像匹配算法进行了研究，并对传统算法进行了尝试性改进，并将改进的算法应用于柱面全景图的生成之中。本文的主要工作如下:
(1)对当前使用较广的特征匹配算法——尺度不变性变换(SIFT)方法进行了研究。该方法能够在待匹配图像发生尺度变化以及旋转变化时检测出图像的特征点。同时该算法对图像光照变化、噪声污染等均具备良好的鲁棒性。针对传统SIFT算法构造的特征描述算子维度过大，影响算法的匹配效率的问题。本文在构造特征描述算子的过程中引入了Walsh-Hadamard内核投影技术。改进的SIFT算法能够有效地降低构建出的SIFT特征描述算子的维度。随后进行的仿真实验结果表明，改进的SIFT算法能够在一定程度上提高算法的匹配效率。本文将改进后的SIFT算法应用于柱面全景图的生成过程中，得到了效果较为理想的大视角全景图像。
(2)对加速鲁棒性特征(SURF)算法进行了研究与分析。SURF算法与SIFT算法性能相近，但是SURF算法比SIFT算法的匹配效率更高，因此可以用来完成比灰度图像信息量更大的彩色图像的匹配。为了提高彩色图像匹配的匹配效率，本文提出一种基于加速分割检测特征(FeaturesfromAcceleratedSegmentTest，FAST)和SURF算法的图像匹配方法，将改进后的FAST算法用于传统SURF算法的特征点检测环节。随后进行的仿真实验结果表明改进后的SURF算法能够在一定程度上提高匹配效率，并能够得到效果较为理想的彩色全景图。