外文翻譯--基于批處理灰度圖像的拼接方法com組件技術(shù)-資料下載頁
2025-08-10 17:36本頁面
【正文】 ote for real industrial fullscene image splicing.基于批處理灰度圖像的拼接方法COM組件技術(shù)摘要在本文中，我們提出了一種以矢量旋轉(zhuǎn)的松弛匹配算法為根據(jù)的灰度圖像拼接構(gòu)件設(shè)計方法，可以快速地、高效地處理批處理圖像。我們利用圖像匹配算法來計算全景圖像拼接的坐標變換矩陣。該算法的矩陣運算的實現(xiàn)是基于Matlab 7 當(dāng)中的COM組件技術(shù)工具箱。我們應(yīng)用模糊的視覺限制條件進行拼接圖像，在VC開發(fā)環(huán)境下利用多線程技術(shù)提高匹配算法的效率。實驗完全證實了所提出方法的執(zhí)行效率，表明它能滿足批量的灰度圖像拼接軟件系統(tǒng)實時性的要求。關(guān)鍵詞：圖像拼接；圖像配準；松弛匹配。近年來，基于圖像拼接的全景圖像軟件受到了極大的關(guān)注，如虹軟全景圖像拼接大師、PS圖像處理軟件 等。這些軟件經(jīng)常被用來處理具有高質(zhì)量的商業(yè)相機或個人相機拍攝的圖像。然而，這些軟件并不適合經(jīng)常用于高速模式、復(fù)雜和惡劣的拍攝條件的相機，如工業(yè)相機。由工業(yè)攝像機拍攝的圖像質(zhì)量和圖像保真度沒有那些由個人或商業(yè)相機拍攝的那樣好，這或多或少會降低圖像自動拼接的準確性和穩(wěn)定性。由于圖像拼接的主要困難是圖像配準，因此在過去的幾十年，研究者特別重視圖像配準技術(shù)，并取得了顯著的研究成果。為了提高圖像配準的精度，大量的矩陣運算應(yīng)用于圖像，這需要很高的計算成本，降低了圖像拼接軟件的效率。還不僅如此，這些算法不能擴展到現(xiàn)實中。基于矢量旋轉(zhuǎn)的松弛的圖像配準算法已被證明是準確和魯棒性的圖像匹配算法。然而，為了追求上述兩個特點，這種算法還涉及到很多的矩陣運算，且執(zhí)行效率不高。為了克服這一瓶頸，在本文中，我們提出了一種利用多線程技術(shù)來優(yōu)化圖像配準矩陣的方法，可以滿足圖像配準系統(tǒng)的實時性的要求。 基于矢量旋轉(zhuǎn)的松弛匹配算法Wang，Hou，Cong and Sun提出了基于矢量旋轉(zhuǎn)的松弛匹配算法，其主要思想是：首先，評價兩組從兩幅圖像中提取的初始角點；第二，如果這兩組角點的向量旋轉(zhuǎn)角度非常相似，那么這兩組角點的相似度就很高。如果這對角點和其他角點都相似，那這個點就是錯誤的，我們可以刪除它。我們重復(fù)這個過程，知道所選定的角點都滿足上述條件。 模糊的視覺限制條件我們可以從矢量旋轉(zhuǎn)松弛匹配算法中為待拼接圖像提取三個主要視覺限制條件。1. 圖像之間的重疊部分的比例帶。2. 圖像之間的閥值和灰度級的相似度。3. 圖像的主觀視覺圖像的失真度。雖然我們可以通過大量的圖像數(shù)據(jù)的分析獲得近似值，但因在現(xiàn)實世界圖像之間的差異，在實際的圖像處理中，上面三個條件不能夠準確一致。然而，這種策略會降低系統(tǒng)的執(zhí)行效率，這是不適合在現(xiàn)實世界中應(yīng)用的。在另一方面，在許多工業(yè)的情況下，可以選擇一些特定模式的圖像序列。這類圖像序列，以上三個條件通常是適用的。 用于快速圖像配準的軟件設(shè)計，圖像配準算法包括三個主要步驟：第一，從兩幅待匹配的圖像中提取Harris角點；其次，最初的圓投影匹配；第三，松弛的優(yōu)化匹配。三個步驟的計算過程是對應(yīng)于上述三個條件的。因此，我們可以利用這些視覺模糊約束條件來提高算法的執(zhí)行效率和魯棒性。(a)所示。從圖1(a)中我們可以看到，步驟一和步驟二沒有相關(guān)性，每個角點的提取都是基于整個圖像的。這回產(chǎn)生大量的無用的角點，浪費大量的時間同時對初始匹配造成干擾。從步驟三和步驟五的角點矩陣可看到，這是有關(guān)聯(lián)的，但沒有相關(guān)的角點矩陣。灰色的角點的相似性與優(yōu)化選擇算法的支持度的求和計算可以并行執(zhí)行。圖1(a) 圖像配準算法的流程圖；(b) 圖像配準算法的軟件實現(xiàn)(b)顯示。圖1(b)顯示，步驟一和步驟二的計算時間可重疊，以及從無重疊區(qū)域中搜尋角點可以避免條件1的限制，可提高特征點搜索算法的效率和初始匹配精度。在本文中，我們把它分為四塊。在計算所有角點矩陣塊的灰度相似性的同時，選擇基于約束條件2的初始角點匹配。設(shè)元素的數(shù)量為n，集合中的元素x（x=1,2,3），初始匹配點對的位置坐標，需要基于松弛匹配算法的選擇，屬于區(qū)域：[n/4][n/4] X,而設(shè)定的4屬3x[n/4]N。通過這種方式，每集只需要保持一個最佳的角點匹配對，并在接下來的圖像拼接步驟中，角點匹配的SVD坐標變換對圖像中的空間可以覆蓋整個圖像。此外，該方法可以保證圖像拼接矩陣的坐標變換是很精確地。基于約束條件3，用戶可以通過模糊的視覺感受設(shè)置圖像的失真寬容度值，這可以顯著提高系統(tǒng)的魯棒性。4. 仿真結(jié)果在本文中，圖像拼接的樣本圖像是從黑龍江省公路水泥混凝土路面隨機選擇的。這些樣本是由一個自動的道路檢測車拍攝的，它的運行速度是70km/h。圖像的大小事1280x1024。圖2(a) 顯示了參考混凝土圖像，(b)顯示了配準的混凝土圖像。圖2(a) 參考的混凝土路面；(b) 配準的混凝土路面從表1可以看出，該算法可以完成圖像配準平均在20秒左右，這是可以接受的。另外一個令人信服的是多線程技術(shù)可以充分利用CPU資源。隨著多核CPU在日常規(guī)模中的擴大，同時執(zhí)行數(shù)據(jù)操作的多線程技術(shù)將是今后的發(fā)展趨勢?；诙嗑€程技術(shù)的圖像拼接算法的執(zhí)行效率將隨著CPU技術(shù)的升級而繼續(xù)改進。5. 結(jié)論在本文中，我們提出了一種基于圖像拼接算法多線程的COM組建的設(shè)計方法。該方法通過模糊的視覺約束條件，在一定程度上增加了拼接系統(tǒng)的穩(wěn)定性，同時對該算法進行了優(yōu)化，提高了算法的執(zhí)行效率。該算法對推動房產(chǎn)業(yè)的全景圖像拼接式很有價值的。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1