多摄像机图像拼接视觉归一化技术研究

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (20): 188-192.

多摄像机图像拼接视觉归一化技术研究

李洋洋1，赵刚1，2，刘利3，刘钊3

1.华中师范大学国家数字化学习工程技术研究中心，武汉 430079
2.华中师范大学信息与新闻传播学院，武汉 430079
3.北京市公安局科技信息化部，北京 100740

出版日期:2013-10-15 发布日期:2013-10-30

Research on visual normalization of multi-camera image stitching

LI Yangyang1, ZHAO Gang1，2, LIU Li3, LIU Zhao3

1.National Engineering Research Center for E-Learning, Central China Normal University, Wuhan 430079, China
2.College of Information Technology & Journalism and Communications, Central China Normal University, Wuhan 430079, China
3.Department of Science and Technology Information, Beijing Municipal Public Security Bureau, Beijing 100740, China

Online:2013-10-15 Published:2013-10-30

摘要/Abstract

摘要： 视觉归一化是多视点图像拼接领域的一个关键技术，在对大量图像处理算法研究的基础上，提出了一种针对多摄像机图像拼接的视觉归一化处理方法。该方法主要包括图像颜色校正和图像边缘融合两个模块；在图像颜色校正模块中，引入了图像区域划分策略和自适应颜色调节因子，使不同的像素点都有不同的颜色调节因子，并充分利用相邻图像间的颜色关联性对目标图像的颜色进行自适应校正；在图像边缘融合模块中，利用反映射矩阵计算出拼接图像的重叠区域，利用自适应边缘融合因子对重叠区域进行边缘融合处理。实验结果表明，该方法能够较好地减少甚至消除拼接图像间的视觉差异，较好地改善了图像拼接的视觉效果。

关键词: 视觉归一化, 颜色校正, 边缘融合, 图像拼接

Abstract: Visual normalization is a key technology in multi-view image stitching . In this paper, based on the research of image processing algorithms, a novel method of visual normalization is presented for multi-camera image stitching, which mainly includes image color correction and image edge fusion. In processing of color correction, image region and self-adaptive strategy is used to make that different pixels have different blend factors, and the color relevance between adjacent images is also considered. In processing of edge fusion, the reflect matrix is used first to calculate the overlapping of two images, and then fill the overlapping by different colors resulted from two images using different blend factors in each pixel. The experimental result shows the efficiency of the method presented by this paper, which can effectively improve the visual effects in multi-view image stitching.

Key words: visual normalization, color correction, edge fusion, image stitching

李洋洋1，赵刚1，2，刘利3，刘钊3. 多摄像机图像拼接视觉归一化技术研究[J]. 计算机工程与应用, 2013, 49(20): 188-192.

LI Yangyang1, ZHAO Gang1，2, LIU Li3, LIU Zhao3. Research on visual normalization of multi-camera image stitching[J]. Computer Engineering and Applications, 2013, 49(20): 188-192.

[1]	夏丹，周睿. 视差图像配准技术研究综述[J]. 计算机工程与应用, 2021, 57(2): 18-27.
[2]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[3]	卢鹏，卢奇，邹国良，王振华，侯倩. 基于改进SIFT的时间序列图像拼接方法研究[J]. 计算机工程与应用, 2020, 56(1): 196-202.
[4]	刘婷婷1，张惊雷2. 基于ORB特征的无人机遥感图像拼接改进算法[J]. 计算机工程与应用, 2018, 54(2): 193-197.
[5]	龚正，王强. 基于微观图像的图像拼接算法研究[J]. 计算机工程与应用, 2018, 54(2): 198-202.
[6]	蒋欣兰. 基于消失点检测的铁路环境视频自动拼接算法研究[J]. 计算机工程与应用, 2017, 53(7): 206-211.
[7]	张欣鹏1，杜伟强1，肖志涛1，张芳1，耿磊1，吴骏1，苏龙2. 结合SIFT变换与Otsu匹配的彩色眼底图像拼接方法[J]. 计算机工程与应用, 2017, 53(18): 176-181.
[8]	张莹1，2，闫璠1，高赢1，涂勇涛1. 基于ORB算法和OECF模型的快速图像拼接研究[J]. 计算机工程与应用, 2017, 53(1): 183-189.
[9]	王焱1，赵婧宇1，赵延广2. 基于图像增强的井下图像拼接[J]. 计算机工程与应用, 2016, 52(7): 202-205.
[10]	张卫国，李景妹. 改进的基于纹理特征的图像配准算法[J]. 计算机工程与应用, 2016, 52(6): 214-218.
[11]	孙培双，韩其睿. 彩色图像最优拼接线的改进算法研究[J]. 计算机工程与应用, 2016, 52(21): 218-221.
[12]	张懿，刘艺. 基于FAST特征的快速图像拼接系统研究[J]. 计算机工程与应用, 2016, 52(10): 167-170.
[13]	魏利胜1，2，周圣文1. 新型优化SIFT的图像快速配准方法研究[J]. 计算机工程与应用, 2015, 51(5): 167-171.
[14]	穆柯楠，惠飞，曹健明，郭兰英. 一种基于几何约束的RANSAC改进算法[J]. 计算机工程与应用, 2015, 51(4): 205-208.
[15]	唐晓微1，孔军1，2，蒋敏1，张琳琳1. 多尺度空间特征提取的脊柱图像拼接算法[J]. 计算机工程与应用, 2014, 50(2): 156-161.