13、矩形全景拼接与兴趣点群组推荐技术解析

矩形全景拼接与兴趣点群组推荐技术解析

矩形全景图像拼接方法

在图像拼接领域，生成矩形全景图像是一项重要的任务。传统方法通常是将拼接好的全景图像转换为矩形图像，而有一种新方法能够直接从随意拍摄的不同视角图像生成矩形图像。

特征点选择

该方法首先通过Sift特征点检测匹配的特征点。图像基于特征点的对齐需要先找到匹配的特征点，一般使用SIFT特征点。为了消除异常值，采用随机抽样一致性（RANSAC）方法。然而，经过RANSAC选择后的特征点虽然大多是匹配点，但如果包含非显著区域的个别点，可能会导致局部区域出现形状失真。
为了消除这种影响，使用聚类方法对经过RANSAC处理后的特征点进行分类。特征点信息由位置和显著值组成，可表示为：
[s_i = (f_{ix}, f_{iy}, f_{isv})]
[S = {s_1, \cdots, s_n}]
通过聚类方法对样本S进行分类，选择合适的特征点，消除位于外推非显著区域的少量特征点，避免图像局部失真。

形状保持变形

图像变形问题被表述为网格单元变形问题。对图像重叠部分的网格顶点采用MDLT方法。由于顶点位于重叠区域而非外推区域，权重为：
[w_{k,i,j} = \exp(-\parallel v_{i,j} - f_k\parallel^2 / \sigma^2)]
假设经过MDLT处理后重叠区域的顶点为(v_{i,j,o})，根据重叠区域的顶点，可以计算非重叠区域的顶点。这里采用之前提出的DW方法，通过迭代方法逐渐改变直线的倾斜角度，使水平线渐近收敛到零，垂直线的倾斜角度渐近收敛到90°。
迭代步骤如下表所示：