鱼眼图像的几何校正及拼接算法研究

论文摘要

鱼眼镜头是超广角镜头中的一种,可以达到或者超出人眼所能达到的视角范围。一般视角接近或等于180。,最高可达到220。或230。。由于鱼眼镜头的焦距极短,因光学原理所造成的畸变就越严重。这种畸变不适合人眼的观察,这给鱼眼镜头的应用带来了一定的障碍,所以对畸变的校正非常重要。本文中详细研究了鱼眼镜头畸变的校正方法。首先简单介绍了鱼眼镜头的成像原理及采集方法,基于不同视角和不同的拍摄方位对鱼眼图像进行了分类,分析了鱼眼图像畸变的产生原因和畸变类型。根据对鱼眼图像的分类,详细研究了用于每种鱼眼图像校正的模型。对于垂直视角为180。的鱼眼图像的校正介绍了基于柱面模型和基于球面模型的校正,并提出了一种基于球面模型校正的改进算法,且给出了该算法的详细步骤。经实验证明,该新算法效果理想,且运算速度快。对用一张水平视角为360。的鱼眼图像进行全景图的展开,介绍了基于半立方体模型和基于柱面模型的展开算法,并且提出了一种展开360。鱼眼图像的新算法,并将实验结果与半立方体模型和柱面模型的展开结果进行了对比分析。改进算法不仅速度快,而且实现了鱼眼图像所有像素的全部展开,弥补了半立方体模型和柱面模型全景展开存有盲区的缺点。根据等角鱼眼投影原理和镜像原理,本文提出一种垂直视角超过180。鱼眼图像的校正算法。此算法可以对超过180。视域的图像进行有效地校正,弥补了这方面校正的空缺。有时对景物的观察不需要观察整个景物,只是需要对局部进行观察,基于这个需要,本文提出了一种基于日晷投影的透视校正算法,并进行了软件系统的实现。最后介绍了利用校正后的鱼眼图像进行图像拼接。对比分析了应用于图像拼接的各种图像匹配算法的优缺点,最终选择SIFT算法进行图像的匹配。详细介绍了基于SIFT算法的图像匹配原理,且实验结果证明此算法可以得到比较准确的特征点和较少错误的特征点匹配。并在SIFT算法的基础上实现了图像的拼接。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究背景和意义
• 1.1.1 鱼眼图像几何校正的研究背景和意义
• 1.1.2 鱼眼图像拼接的研究背景和意义
• 1.2 鱼眼图像的几何校正和拼接算法的研究现状
• 1.2.1 鱼眼图像几何校正算法的研究现状
• 1.2.2 鱼眼图像拼接算法的研究现状
• 1.3 论文研究内容、创新点和组织结构
• 1.3.1 论文研究内容
• 1.3.2 论文创新点
• 1.3.3 论文组织结构
• 第2章 鱼眼图像的基础知识
• 2.1 鱼眼镜头简介
• 2.1.1 什么是鱼眼镜头
• 2.1.2 鱼眼镜头成像原理
• 2.2 鱼眼图像的获取
• 2.2.1 获取鱼眼图像的设备及方法
• 2.2.2 鱼眼图像的分类
• 2.3 鱼眼图像的变形
• 第3章 鱼眼图像的校正
• 3.1 垂直视角为180°鱼眼图像的校正算法研究
• 3.1.1 基于圆柱模型的校正
• 3.1.1.1 柱面模型的建立
• 3.1.1.2 函数映射的推导
• 3.1.1.3 坐标系之间的转换
• 3.1.1.4 像素的赋值
• 3.1.2 基于球面模型的经纬映射图算法
• 3.1.2.1 算法原理
• 3.1.2.2 算法流程图
• 3.1.2.3 具体算法实现步骤
• 3.1.3 改进的基于球面模型的校正算法
• 3.1.3.1 改进算法的流程图
• 3.1.3.2 改进算法的原理及步骤
• 3.1.4 实验结果及分析比较
• 3.1.4.1 基于圆柱模型的校正算法的实验结果
• 3.1.4.2 基于球面经纬映射算法的实验结果
• 3.1.4.3 改进算法的实验结果
• 3.2 水平视角为360°鱼眼图像的全景展开算法研究
• 3.2.1 基于半立方体模型的展开
• 3.2.1.1 函数映射原理
• 3.2.2 基于圆柱模型的展开
• 3.2.2.1 构建柱面模型
• 3.2.3 基于改进的球面模型校正算法的展开
• 3.2.3.1 算法原理及步骤
• 3.2.4 实验结果及分析比较
• 3.2.4.1 基于半立方体模型展开的实验结果
• 3.2.4.2 基于镜头朝上的柱面模型展开的实验结果
• 3.2.4.3 基于改进的球面模型校正算法的展开实验结果
• 3.3 垂直视角超过180°鱼眼图像的校正算法研究
• 3.3.1 算法原理
• 3.3.2 算法步骤
• 3.3.2.1 算法流程图
• 3.3.2.2 具体实现步骤
• 3.3.3 实验结果分析
• 3.4 基于日晷投影的局部透视校正算法及系统实现
• 3.4.1 日晷投影模型
• 3.4.2 算法原理及实现步骤
• 3.4.2.1 算法流程图
• 3.4.2.2 具体实现步骤
• 3.4.2.3 实验结果及软件系统的实现
• 第4章 图像的拼接算法研究
• 4.1 图像拼接的基本流程
• 4.2 图像匹配算法的比较分析
• 4.2.1 基于区域的图像匹配算法
• 4.2.1.1 相关法
• 4.2.1.2 对数极坐标变换方法
• 4.2.1.3 最大互信息匹配法
• 4.2.2 基于特征的图像匹配算法
• 4.2.2.1 控制点匹配算法
• 4.2.2.2 自动角点检测匹配算法
• 4.2.2.3 基于轮廓特征的匹配算法
• 4.2.2.4 基于尺度不变特征变换（SIFT）的匹配算法
• 4.3 SIFT算法原理
• 4.3.1 SIFT特征向量的生成
• 4.3.1.1 尺度空间的生成
• 4.3.1.2 DOG空间极值点的检测
• 4.3.1.3 精确确定极值点的位置
• 4.3.1.4 特征点主方向的确定
• 4.3.1.5 特征向量的生成
• 4.3.2 SIFT特征向量的匹配
• 4.3.2.1 特征向量的匹配
• 4.3.2.2 错误匹配的消除
• 4.3.3 SIFT匹配算法的实验结果及分析
• 4.4 图像的融合
• 4.5 图像拼接的实验结果及分析
• 第5章 结束语
• 5.1 论文总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文和取得的科研成果