【深度】基于非线性方程的多灰度失真图像拼接

查看原文

其他

【深度】基于非线性方程的多灰度失真图像拼接

From 学术plus 学术plus 2019-03-28

【学术plus】快来试试号内搜索功能！

公众号→【智库扫描】→【搜搜文章】

→输入关键词→一键检索您需要的文章。

【兼职】神秘岗位正在向你招手，敢来么？

【厚度】学术plus年终巨献：2017年你不可以错过的重磅报告们！（全文阅读链接）

今日荐文

今日荐文的作者为太原学院计算机中心专家王晓燕。本篇节选自论文《基于非线性方程的多灰度失真图像拼接》，发表于《中国电子科学研究院学报》第12卷第6期。

摘要：传统图像拼接多对图像匹配点间的距离做最小化调整，并设计目标函数来实现对图像失真的拼接，但多灰度失真图像在这个过程中，容易受到图像灰度值失真变化的影响，会增大误差。提出基于非线性方程的多灰度失真图像拼接系统设计，依据像素失真后非线性变化的规律，设计了以图像解码模块和图像拼接模块为中心的失真图像拼接算法；采用物像平面的坐标映射算法，对多灰度失真图像的横、纵坐标做精确地转换，并依据灰度响应曲线的反函数，实现图像灰度失真的拼接。实验结果表明，提出的算法设计误差小、图像拼接精度高，能够获得较好的多灰度失真图像拼接效果。

关键词：非线性方程；多灰度；失真图像；系统设计

引言

多灰度光谱成像具备能量集中、方向性好及高相干性的优点，能够显著提高图像的分辨率和清晰度。图像重复性好、精度高、提取速度快，因此在医疗、救援、军事及缺陷检测等领域有着广泛而重要的应用。由于光谱图像具有多灰度的特征，在成像的过程中由于设备故障、镜头抖动及受到外界环境的干扰会引起图像的失真；由于焦距校准和曝光量设置等人为因素同样也会造成图像的偏差。多灰度图像的失真会给图像细节特征提取造成较大障碍，特别是一些重要的视频图像、监控图像，由于图像的失真会导致图像的失效，因此对多灰度失真图像的处理和拼接具有重要的意义。

传统图像拼接算法设计，如基于矩阵的图像拼接系统设计，通过对多灰度图像的匹配点间距离做最小化处理，采用目标函数来对失真的图像进行拼接，在对失真图像的拼接和重建过程中，由于受到图像灰度值变化的影响，反而增加了系统的误差、很难得到较好的图像失真度拼接效果；双目立体图像拼接方法，从单视点直接扩展到了多个视点，由于没有统一的基准图像，因此拼接效果不佳。

1 多灰度失真图像拼接算法的设计

在对失真图像硬件系统构建的基础上，基于非线性方程设计失真图像拼接算法。首先调整参数，基于非线性方程对多灰度图像进行拼接。

2 实验结果与分析

为验证提出基于非线性方程的多灰度失真图像拼接系统设计的有效性，本文从图像拼接后的垂直视差、图像拼接效果对比、及系统平均误差、最大误差对比等方面进行了仿真对比实验。

2.1 匹配点的精准度实验

在进行多灰度图像拼接之前，需要进行特征点的标记匹配，匹配精度决定了后期的拼接精度．匹配试验如下图1所示：

图1 拼接之前的特征匹配试验结果

实验结果显示，图1为一幅多灰度失真图像，为了获得较好的失真图像特征匹配质量，依据图像各部分灰度的差异，将失真图像利用不同的能量进行灰度分割，通过能量的多次叠加得到灰度特征匹配图像，对比每一部分失真图像拼接前后的垂直视差，数据统计如表1所示：

表1 多灰度失真图像拼接前后垂直视差对比

从上图1和表1的数据对比可以分析出，在不同灰度的区域内，采用本文的方法进行多灰度失真图像特征匹配，能够较大幅度地降低图像的垂直视差，使图像的显示效果得以改善。

2.2 静态拼接试验１

在多灰度失真图像的恢复效果对比方面，采用本文基于非线性方程的图像恢复系统设计，能够使失真的图像最大限度地恢复到原始状态，具有良好的图像拼接效果。

为了检验拼接图像的有效性，将其应用于一静态的汽车的失真图像为例，在拼接之前，首先对其进行特征匹配的试验如图2所示，而后进行对失真图像拼接，图中汽车和树木恢复前后结果对比分别如图3、图4所示。

可以看出，对失真图像拼接试验中，当目标汽车其背景为绿色树木，整个失真图像在拼接之前，呈现树木颜色过度集中单一，汽车棱角生硬，图像不存在立体感，颜色偏深，不能明显区分树木具体形态。而经过图像恢复系统进行了多灰度失真图像拼接后，汽车和树木原图像特征得到了恢复，整个图像画面的显示效果更加融合，树木呈现出立体的层次感，汽车的流体结构更加平滑，画面更加生动形象。实验结果显示，通过本文方法对失真图像拼接，能够较好的恢复原图像的信息，消除图像失真。

2.3 动态拼接试验２

图像在进行拼接过程中，系统误差的控制情况直接影响图像的拼接效果，本文提到的基于非线性方程的多灰度图像恢复方法对于误差的控制快速稳定，误差较小且能够控制在一定范围之内，为了验证其控制的良好性能，将多灰度图像恢复方法应用在两辆正在移动的出租车上来做实验分析，对移动的汽车控制过程应用图像的70-72帧系统图像进行对比分析。两辆移动的汽车多灰度拼接图像如图5所示。

由图6系统图像可知，本文基于非线性方程的系统设计在失真图像拼接时的系统控制快速，平均误差稳定并且相对较小。为了验证本文对图像恢复的控制有效性，分别统计传统基于系数矩阵的图像拼接系统设计和本文基于非线性方程的系统设计在失真图像拼接时的平均误差和最大误差，表2所示：

表2 两种图像拼接系统设计平均误差对比

由表2数据对比分析可知，传统基于系数矩阵的图像拼接系统控制的平均误差为0.237%，最大误差为0.287%，其误差相对较大，系统不稳定。而本文基于非线性方程的系统设计在失真图像拼接时的系统平均误差为0.134%，最大误差为0.167%，其误差相对稳定，波动小。

2.4 试验结果量化分析

3 结语

针对现有失真图像拼接系统误差率高、非全局拼接的不足，本文提出了一种基于非线性方程多灰度失真图像拼接方法，依据像素失真后非线性变化的规律，设计了以图像解码模块和图像拼接模块为中心的失真图像拼接算法；采用物像平面的坐标映射算法，对多灰度失真图像的横、纵坐标做精确地转换，并依据灰度响应曲线的反函数，实现图像灰度失真的拼接，实验证明方法有效，但是本文方法在强干扰下，鲁棒性会大幅下降，这是需要进一步解决的问题。

（参考文献略）