毕业答辩-基于区域检测特征的混凝土裂缝图像拼接.ppt

2019/12/6,1,基于区域检测特征的混凝土裂缝图像拼接答辩人：学号：0指导老师：2013年6月17日,2019/12/6,2,选题背景及研究意义,主要研究内容及所做工作,总结与展望,致谢,1,2,3,4,论文结构安排,基于区域检测特征的混凝土裂缝图像拼接2013-6-17,2019/12/6,3,选题背景,在科学研究和工程测量上，经常需要使用相机拍摄大型场景照片。桥梁底面裂缝作为常见的一种破损，是交通维护的重点。传统的测量方法费时，费力而且比较危险。,基于区域检测特征的混凝土裂缝图像拼接2013-6-17,2019/12/6,4,研究目的及其意义,图像拼接的主要目的：获取更大的视野与提高图像的分辨率。,基于区域检测特征的混凝土裂缝图像拼接2013-6-17,2019/12/6,5,拼接效果图,基于区域检测特征的混凝土裂缝图像拼接2013-6-17,2019/12/6,6,混凝土作为当今世界建筑结构中使用最广泛的建筑材料。最主要的缺点是抗拉能力差，容易开裂。,基于区域检测特征的混凝土裂缝图像拼接2013-6-17,2019/12/6,7,拼接效果图,基于区域检测特征的混凝土裂缝图像拼接2013-6-17,2019/12/6,8,主要研究内容及所做工作,介绍了图像拼接的流程，从图像拼接的两个关键技术配准和融合对其进行了详尽的介绍介绍图像配准时，对常用的一部分算法的原理进行了描述，并结合针对裂缝图像的具体仿真实验对其进行了分析介绍图像融合时，主要介绍了基于图像灰度的几种算法，并使用多种算法对裂缝图像进行了仿真融合实验。,基于区域检测特征的混凝土裂缝图像拼接2013-6-17,2019/12/6,9,图像拼接的基本流程,图像拼接技术：将数张有重叠部分的图像拼成一幅大型的无缝高分辨率图像的技术。图像拼接的方法很多，不同的算法步骤会有一定差异，但大致的过程是相同的如下图示。,基于区域检测特征的混凝土裂缝图像拼接2013-6-17,2019/12/6,10,图像配准,基于区域检测特征的混凝土裂缝图像拼接2013-6-17,图像配准的定义用数学语言描述,2019/12/6,11,2019/12/6,12,sift算法：首先在尺度空间进行特征检测，并确定关键点的位置和关键点所处的尺度，然后使用关键点领域梯度的主方向作为该点的方向特征，以实现算子对尺度和方向的无关性。,图像配准算法主要原理,2019/12/6,13,尺度空间的极值点检测建立高斯金字塔生成DOG金字塔DOG空间极值点检测关键点的精确定位确定关键点的主方向生成sift特征矢量（生成关键点的描述子）特征点的匹配,图像配准算法主要步骤,2019/12/6,14,1.建立高斯金字塔,高斯金字塔有O组，一般选择4组，每一阶有S层尺度图像，S一般选择5层Lowe的文章中每组有s+3层图像将原始图像隔点采样生成下一组尺度空间。,.尺度空间的极值检测,2019/12/6,15,2.建立DOG金字塔：,为了有效提取稳定的关键点，利用不同尺度的高斯差分核与图像卷积生成。它的数学表达式是：,2019/12/6,16,2019/12/6,17,2019/12/6,18,3.DOG空间的极值检测：,极值点的搜索是通过同一组内DOG相邻层之间比较完成的.,2019/12/6,19,.关键点的精确定位,对尺度空间DoG函数进行曲线拟合，利用DoG函数在尺度空间的Taylor展开式获取极值点的偏移量：,根据泰勒公式可以计算出以极值点为原点相对于极值点在行、列以及层数上的偏移量X_P=（x_p,y_p,intvl_p)。,2019/12/6,20,定位准则：1）如果三个方向上的偏移量都小于0.5；2）如果某一方向上的偏移量大于等于0.5；确定精确定位后的极值点的像素值，进行对比度的检测。,可以用来衡量特征点的对比度，如果，则为不稳定的特征点应删除。的经验值为0.03.,2019/12/6,21,以关键点为中心的邻域窗口内采样，并用直方图统计邻域像素的梯度方向。梯度直方图的范围是0360度，其中，每10度一个柱，共36个柱。直方图的主峰值（最大峰值）代表了关键点处邻域梯度的主方向，即关键点的主方向。,至此，图像的关键点已检测完毕，每个关键点有三个信息：位置、所处尺度、方向。,2019/12/6,22,在方向收集区域中每个像素点的梯度大小和方向用下面的公式计算，从而得到另外两幅图，分别是梯度的大小图和方向图。,.确定关键点的主方向,2019/12/6,23,.生成sift特征矢量,2019/12/6,24,特征描述子之间的匹配是通过最近邻(NearestNeighbor，NN)来定义的，最近邻是指特征描述子之间的欧氏距离最小。如右图示：,.特征点的匹配,2019/12/6,25,找出欧式距离最小距离和次小距离并计算其比值：,2019/12/6,26,Sift算法的优缺点：优点：1.需要较少的经验主义知识，易于开发2.具有较强的匹配能力和鲁棒性（由其特点可知）缺点：维数高实时性差Sift算法的应用领域：图像检索，图像配准，人脸识别等,2019/12/6,27,图像融合,图像融合的定义常用的图像融合算法分类,2019/12/6,28,图像融合算法主要原理,加权平均法,其中加权系数满足。若则相当于两幅图像取平均值，本论文就采用这种算法。,2019/12/6,29,图像融合的实验结果,待融合图像(a)重叠区域待融合图像(b)重叠区域,2019/12/6,30,极小值,极大值,小波变换,加权平均值,2019/12/6,31,基于区域检测特征的混凝土裂缝图像拼接2013-6-17,实验结果,2019/12/6,32,2019/12/6,33,2019/12/6,34,2019/12/6,35,2019/12/6,36,2019/12/6,37,2019/12/6,38,2019/12/6,39,总结,分析了图像拼接的算法，从图像拼接的两个关键技术对其进行了详尽的介绍，在介绍图像配准时，对常用的一部分算法的原理进行了描述，并结合针对裂缝图像的具体仿真实验介绍了基于图像灰度的几种算法，并使用多种算法对裂缝图像进行了仿真融合实验。最后，本文提出了混凝土桥梁裂缝图像拼接算法，该算法结合了SIFT算法、RANSAC算法和加权平均法的优点，在使用MATLAB进行仿真拼接实验时，取得了很好的效果。,2019/12/6,40,SIFT算法是