文章目录
前言
? Hi，大家好，这里是丹成学长的毕设系列文章！
? 对毕设有任何疑问都可以问学长哦!
这两年开始，各个学校对毕设的要求越来越高，难度也越来越大… 毕业设计耗费时间，耗费精力，甚至有些题目即使是专业的老师或者硕士生也需要很长时间，所以一旦发现问题，一定要提前准备，避免到后面措手不及，草草了事。
为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的新项目是
? 基于机器视觉的图像拼接算法
?学长这里给一个题目综合评分(每项满分5分)
- 难度系数：4分
- 工作量：4分
- 创新点：3分
? 选题指导, 项目分享：
https://blog.csdn.net/Mr_DC_IT/article/details/
简介
图像拼接在实际的应用场景很广，比如无人机航拍，遥感图像等等，图像拼接是进一步做图像理解基础步骤，拼接效果的好坏直接影响接下来的工作，所以一个好的图像拼接算法非常重要。
再举一个身边的例子吧，你用你的手机对某一场景拍照，但是你没有办法一次将所有你要拍的景物全部拍下来，所以你对该场景从左往右依次拍了好几张图，来把你要拍的所有景物记录下来。那么我们能不能把这些图像拼接成一个大图呢？
这是一个非常好的毕业设计研究课题，学长非常推荐！
一、拼接效果
依照惯例， 废话不多说，先上拼接效果
拼接左图：
拼接右图：
拼接效果：
二、算法介绍
1.拼接算法简介
图像拼接技术就是将数张有重叠部分的图像（可能是不同时间、不同视角或者不同传感器获得的）拼成一幅无缝的全景图或高分辨率图像的技术。在医学成像、计算机视觉、卫星数据、军事目标自动识别等领域具有重要意义。
图像拼接目前有很多算法，图像拼接的质量，主要依赖于图像的配准程度，因此通过不同的图像匹配方式将算法分为以下两种：
1.1 基于区域相关拼接算法
1.2 基于特征相关拼接算法
于特征的配准方法不是直接利用图像的像素值，而是通过像素导出图像的特征，然后以图像特征为标准，对图像重叠部分的对应特征区域进行搜索匹配，该类拼接算法有比较高的健壮性和鲁棒性。
在两幅图像对应的特征集中利用特征匹配算法尽可能地将存在对应关系的特征对选择出来。一系列的图像分割技术都被用到特征的抽取和边界检测上。
1.3 拼接算法的基本流程
- 根据给定图像/集，实现特征匹配
- 通过匹配特征计算图像之间的变换结构
- 利用图像变换结构，实现图像映射
- 针对叠加后的图像，采用APAP之类的算法， 对齐特征点
- 通过图割方法，自动选取拼接缝
- 根据multi-band bleing策略实现融合
2. 拼接算法原理
2.1 第一种：特征匹配
2. 2 第二种：计算图像之间的变换结构
- 2.1.SURF使用Hessian矩阵来检测特征点，该矩阵是x,y方向的二阶导数矩阵，可测量一个函数的局部曲率，其行列式值代表像素点周围的变化量，特征点需取行列式值的极值点。
- 2.2特征点定位：通过特征点邻近信息插补来定位特征点。
- 2.3方向定位：通过计算特征点周围像素点x,y方向的哈尔小波变换，并将x,y方向的变换值在xy平面某一角度区间内相加组成一个向量，在所有的向量当中最长的(即x、y分量最大的)即为此特征点的方向。
- 2.4特征描述子：选定了特征点的方向后，其周围相素点需要以此方向为基准来建立描述子。此时以5 ∗ 5 555∗5个像素点为一个子区域，取特征点周围 20 ∗ 20 202020∗20个像素点的范围共16个子区域，计算子区域内的x、y方向(此时以平行特征点方向为x、垂直特征点方向为y的哈尔小波转换总和Σdx、ΣdyΣdx、Σdy与其向量长度总和Σ|dx|、Σ|dy|Σ|dx|、Σ|dy|共四个量值，共可产生一个64维的描述子。
- 2.5如果两个特征点的矩阵迹正负号相同，代表这两个特征具有相同方向上的对比度变化，如果不同，说明这两个特征点的对比度变化方向是相反的，即使欧氏距离为0，也直接予以排除。
- 2.6用方型滤波器取代SIFT中的高斯滤波器，利用积分图（计算位于滤波器方型的四个角落值）大幅提高运算速度。
2. 3 第三种：通过graph cut寻找拼接缝
? 选题指导, 项目分享：
https://blog.csdn.net/Mr_DC_IT/article/details/
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/227159.html原文链接：https://javaforall.net
