基于SURF特征的水下图像拼接技术研究
随着海洋资源的深入开发与利用，水下探测技术日益成为世界各国经济与科技竞争的焦点之一。获取大范围、精确的海洋环境数据，是进行海底勘探、取样、水下施工等作业的关键。目前，水下图像处理技术多以图像增强及复原技术为主，水下图像拼接技术的提出与发展打破了传统僵局，在不牺牲图像分辨率的前提下，成为获取水下全景数据信息的重要手段。然而，由于水下环境复杂，吸收散射较为严重，水下图像拼接往往因图像噪声与低对比度问题，面临特征点提取少、提取速度慢、特征点匹配错误率高等情况。针对以上问题，本文首次将SURF算法应用于水下，并针对水下图像尤其是浑水中的水下图像，提出了准确度高、实时性好的基于SURF特征的水下图像拼接技术新方法。 本文首先简要介绍了水下图像采集平台ROV系统，其次针对水下图像质量差的问题对其进行了预处理，在此基础上，对拼接过程中的关键步骤特征点提取及匹配、图像融合等模块进行了具体的阐述及分析，最终完成拼接算法的设计。 由于水下图像多存在画质模糊，噪声严重，对比度低等问题，因此选用合适的图像去噪算法是获取更多图像细节信息的关键。本文在预处理阶段，采用了限制对比度自适应直方图均衡算法(CLAHE)对水下图像进行了预处理，以提高图像清晰度。在特征点提取算法上，采用了比经典提取算法-SIFT特征提取方法提取精度更高、速度更快的SURF(Speed-up robust feature)特征提取算法。该算法包含空间极值点检测、特征点方向确定及特征点描述符（64维特征向量描述子）的生成三个步骤，利用积分图像、Haar小波等方法，使算法在兼顾旋转不变性及鲁棒性的前提下，实时性更高。 在特征点选取之后，为获得各幅图像之间重叠部分的关系，需对提取的特征进行匹配。本文提出了最近邻查找匹配算法的改进算法-基于Hessian矩阵迹（即Laplacian算子）的匹配方法，用以消除了错误匹配。粗略的匹配筛选之后，还是会有大量的错误匹配存在。针对剩余的误匹配，本文借鉴可以有效避免噪声和错误数据点干扰的模型拟合思想，使用随机选取一致性（RANSAC）算法来进行匹配点提纯，进一步提高了匹配的准确度。 图像融合是图像拼接技术最后的关键步骤。在此阶段，本文采用直接线性变换方法求出了待拼接图像中对应特征点的矩阵变换关系。对于变换过程中存在的关键点映射位置差异的问题，文章采用双线性内插的方法，改善了特征点映射时出现的位置不对应的情况。在图像融合算法上，本文在综合比较各融合算法的基础上，采用了线性渐变融合的方法，较好的消除了拼接后产生的拼缝，视觉效果较好。 在试验阶段，所用水下图像是于清水及浑浊水质两种环境下分别获取，使用MATLAB软件编程，完成了特征提取、特征匹配及图像拼接的实验。实验结果准确，算法精确度较高，能够满足水下图像拼接的视觉要求。
水下探测;水下图像拼接技术;海浪特征;图像分辨率
中国海洋大学
硕士
电子与通信工程
郑冰
2015
中文
P715.5;TP391.41
73
2016-01-27（万方平台首次上网日期，不代表论文的发表时间）