2011-8-3
基金项目：国家自然科学基金(60762001)；广西高等学校优秀人才计划（桂教人才0804）。
作者简介：赵进创(1968-)，男，博士，教授，研究方向：电成像技术；嵌入式系统开发等；刘金花(1987-)，女，硕士研究生，研究方向：电成像算
法。
收稿日期： 修回日期：
改进敏感场的电容层析成像图像重建算法
赵进创,刘金花,黎志刚,傅文利,李贤宇
ZHAO Jin-chuang,LIU Jin-hua,LI Zhi-gang,FU Wen-li,LI Xian-yu
广西大学计算机与电子信息学院, 广西 南宁530004
College of computer , electronics and information, Guangxi University, Nanning 530004, China E-mail: zhaojch@https://www.doczj.com/doc/6810826569.html,
Image reconstruction algorithm based on updated sensitivity field for ECT
Abstract: The Landweber image reconstruction algorithm based on imaging sensitive field mean filtering method is proposed to solve the so-called “soft -field” characteristic problem of sensitive field of Electrical Capacitance Tomography (ECT) system. The algorithm principle is that the neighborhood pixel sensitivity is averaged by template convoluting method, which can reduce the sensitivity of region near electrodes and improve that of central region of pipe. The algorithm can eliminate partly the affect on the quality of image reconstruction due to uneven sensitivity and improve image reconstruction accuracy. Simulation results indicate that the algorithm is superior to conventional Landweber algorithm in image reconstruction accuracy and convergence speed. Key word: ECT; Landweber image reconstruction algorithm; Sensitivity; mean filtering
摘 要: 针对电容层析成像系统中敏感场的“软场”特性，提出了一种基于成像敏感场灵敏度均值滤波的Landweber 图像重建算法。该算法是通过模板卷积的方式对敏感场灵敏度进行邻域平均，降低靠近极板区域的灵敏度，提高管道中心区域的灵敏度，部分消除了因敏感场不均匀对图像重建质量的影响，提高图像重建精度。仿真结果表明，该算法在图像重建精度和收敛速度上均优于传统的Landweber 图像重建算法。
关键词：电容层析成像;Landweber 图像重建算法;灵敏度;均值滤波
DOI: 文章编号： 文献标识码: A 中图分类号：TP212.9
1 引言
电容层析成像 ( Electrical Capacitance Tomography , ECT) 作为一种非侵入式的流动参数前景。其原理是通过计算机采集安装在封闭的工业管道、容器外壁的传感器阵列在不同观测角度下的投影数据即电容测量值，采用相应的图像重建算法 显示被测物场的二维或三维介质分布图像[6][11][12]。
图像重建算法是ECT 系统的关键技术之一，目前国内外研究ECT 图像重建常用的算法主要分为2 类: 一类是非迭代算法，如线性反投影算法（LBP ），另一类是迭代算法，如Landweber 迭代法[1]-[5][9]。LBP 算法简单、成像较快, 但其重建图像精度低。
Landweber 迭代法是利用LBP 法重建的图像作为迭代过程的初值, 由于初值有时偏离实际值较大, 造成迭代误差累积，影响图像重建质量和算法收敛速度。本文针对此问题提出一种基于灵敏度矩阵均值滤波的Landweber 迭代算法，与传统的Landweber 迭代法相比，该算法成像质量高，收敛速度快。
2. ECT 图像重建模型
ECT 系统的正问题就是由已知的介电常数分布,求出传感器各极板对之间形成的电容值,可表达为如下的数学模型[6][10]-[12]：
dxdy y x y x S y x C D
ij ij )),(),,((),( （1）
网络出版时间：2011-10-24 10:08
网络出版地址：https://www.doczj.com/doc/6810826569.html,/kcms/detail/11.2127.TP.20111024.1008.007.html
式中，ij C 为极板对j i 的电容值；),(y x 为管道
截面上的介电常数分布；D 表示管道截面面积；)),(),,((y x y x S ij 为 j i 极板对的电容在管道
截面上介电常数分布为),(y x 时点),(y x 的灵敏
度，受介质分布的影响，在实际的图像重建中, 常将式 (1) 简化如下[4][7][8]： SG C (2 )
式中，C 是m ×1维的归一化电容测量值矩阵；G 是n ×1
维的归一化介电常数分布矩阵,在图像重建中代表图像灰度值；S 是 m×n 的矩阵,反映了电容C 受物质G 分布变化的影响,称为敏感场，其定义如式（3）所示[5][6]
：
l
h l j
i h j i l j i j i ij C C C e C e e S ! 1)()
()(,,,, （3） 式中，)(,e S j i 为第e 个像素相对于j i 极板间的灵敏度值，)(,e C j i 为第e 个像素介电常数为h ，其它单元为l 时j i 极板对的电容值，)(e 为像素e 与面积有关的修正因子。
敏感场是电容层析成像所特有的函数，它的精
确度直接影响最终成像效果[4]
。本文讨论的为 8电极 ECT 系统，成像传感器结构如图3所示, 根据成像机理可以测得28个独立电容值,因此共有 28个敏感场与之对应，其敏感场分布矩阵为S 。图1为高介电常数h 为3，低介电常数l 为1时，传感器极板对1-5所对应的灵敏度三维分布图。
从图1可以看出，管道各处灵敏度分布不均匀，靠近极板区域的灵敏度比管道中心的灵敏度高出很多，造成ECT 系统对靠近管道壁处的流型分辨率高而对管道中心处流型分辨率低。为此本文通过模
板卷积的方式对灵敏度矩阵进行了邻域平均，图2所示为极板对1-5的灵敏度经过邻域平均后所对应
的灵敏度三维分布图，从图中可以看出，靠近极板
区域的灵敏度值降低了，而管道中心区域的灵敏度
值得到了提高。
3图像重建算法
3.1 Landweber 算法
传统的Landweber 迭代算法以LBP 法重建结 果作为迭代初始值，其算法可以表示为：
C S G T )0( （4） )()()()1(k T k k SG C S G G ? ? （5）
式中，)0(G 表示初始图像，)(k G 表示经过k 次迭 代后的图像， 表示步长，选取 =max /2!。其中
max !为S S T 的最大特征值。 3.2 改进的Landerweb 算法
根据2节的分析，由于成像敏感场的“软场”特性，使得图像重建质量差。为消除因灵敏度不均匀对图像重建质量的影响，对成像灵敏度矩阵进行均值滤波处理。原理是通过模板卷积的方式对灵敏度矩阵进行邻域平均。方法为根据成像区域有限元网格剖分的模式，滤波模板采用圆型模板，设模板半径为R ，含有M 个像素，像素系数为1，如图3所示。将模板在敏感场内漫游，并将模板中心与敏感场内第e 个像素位置重合，将模板上的系数与模板下的灵敏度值相乘取均值做为模板的输出值赋给第e 个像素。
设S 为原灵敏度，Sj 为更新后的灵敏度，则对
图1 滤波前1-5极板对之间的灵敏度分布图2 滤波后1-5极板对之间的灵敏度分布
第e 个像素有:
#
M
k j i j i k S
M
e Sj 1
)
,(),()(1
)( （6）
则式（4）和式（5）变为：
C Sj G T )0( （7） )()()()1(K T K k SjG C Sj G G ? ? （8）
式中，Sj 为更新后的灵敏度，可以离线算出。
4 仿真实验
本文ECT 系统采用8电极敏感阵列，管壁和成像对象介电常数均设为3。图像重建的迭代次数分别取100、300、500，重建图像结果如表1所示。从表1可以看出，在相同迭代次数下，改进的Landweber 法所重建的图像质量优于传统Landweber 法，尤其当成像区域中心存在成像对象的情况下，如表1中图（b ）、图（c ）和图（d ），由于敏感场的“软场”特性，传统的Landweber 法重建的图像会使中心对象出现较大失真，但改进的Landweber 法中能较好的重建中心对象图像，这是因为使用了经均值滤波后的成像灵敏度矩阵，见式（8）。
(b)
(c)
(d)
(e)
图3 3 4 5 6
2 253
46
图4是两种算法以表1中原型进行图像重建后的相对图像误差IE 和迭代收敛速度比较图，从图中可以看出，本文提出的改进Landweber 算法和传统的Landweber
算法相比，相对图像误差下降速度快即收敛速度快，误差小。如对于表1中的各原型图（a ）-图（e ），在经过300次迭代后，传统的Landweber 算法所重建图像的IE 分别为60.89%、68.59%、85.65%、81.49%和77.30%，而改进的Landweber 算法所重建图像IE 分别为41.52%、46.91%、67.68%、56.42%和53.18%，两者对应的IE 差值分别为19.37%、21.68%、17.97%、25.07%和24.12%，可见，本文所提的算法在图像重建质量方面具有明显优势。
5 结论
通过以上仿真实验结果及分析表明：本文通过邻域均值的方法对图像重建算法中成像灵敏度的改进，能消除因灵敏度场不均匀对图像重建质量的影响，使得原灵敏度矩阵的病态性得到较大改善，与传统Landweber 法相比，本文算法不仅图像重建精度高，且收敛快速。
参考文献：
[1] 赵进创,徐其军等.RBF 神经网络在ECT 图像重
建中的应用[J].计算机工程与应用,2003,39(33):215-218.
[2] 肖理庆,王化祥.MNR 图像重建算法中正则化因
子研究[J].计算机工程与应用,2011,47(21):13-16.
[3] 张彦俊,陈德运.代数神经网络电阻层析成像图
像重建算法[J].计算机工程与应用,2009,45(32):19-21.
[4] Zhao Jinchuang,Fu wenli,et al.An image- reconstruction algorithm based on revised regularization method for electrical-capacitance
tomography. Meas. Sci. and Technol[J], 2002，13(4):638-640.
[5] Xie C G, Huang S M,et al. Electrical Capacitance
Tomography for Flow Imaging System Model for Development of Image Reconstruction Algorithm and Design of Primary Sensors[J].IEE Proceedings-G,1992, 139 (1):89298-89304 .
[6] 许会,金锋等.电容传感器场灵敏度的合理计算
方法探讨[J].仪器仪表学报,1999,20(5):489-492. [7] Yi Li.et al. Image reconstruction by nonlinear
Landweber iteration for complicated distributions[J]. Meas. Sci. Technol. 2008,19:094014 (8pp).
[8] Manuchehr Soleimani, Phaneendra K,et al.
Helmholtz-Type Regularization Method for Permittivity Reconstruction Using Experimental Phantom Data of Electrical Capacitance Tomography[J]. IEEE Transactions on Instrumentation and Measurement, 2010, 59( 1):78-83.
[9] 王莉莉,陈宇,陈德运等.基于改进信赖域的电容
层析成像图像重建算法[J].仪器仪表学报,Vol.31,No.5,2010,812-816。
[10] L F Zhang, H X Wang. A new normalization
method based on electrical field lines for electrical capacitance tomography[J].Sci. Technol. 2009,20: 104028(7pp).
[11] Zhang Cao, Lijun Xu,et al.Electrical capacitance
tomography with a non-circular sensor using the dbar method[J],Meas. Sci. Technol. 2010,21 :015502 (6pp)
[12] Wuqiang Yang. Design of electrical capacitance
tomography sensors[J]. Meas. Sci. Technol. 2010,21: 042001 (13pp).
图4 重建算法相对图像误差和收敛速度比较
(a) 表1中a 图重建
(c) 表1中c 图重建
(d) 表1中d 图重建 (b) 表1中b 图重建
(e) 表1中e 图重建
全景拼接算法简介 罗海风 2014.12.11 目录 1.概述 (1) 2.主要步骤 (2) 2.1. 图像获取 (2) 2.2鱼眼图像矫正 (2) 2.3图片匹配 (2) 2.4 图片拼接 (2) 2.5 图像融合 (2) 2.6全景图像投射 (2) 3.算法技术点介绍 (3) 3.1图像获取 (3) 3.2鱼眼图像矫正 (4) 3.3图片匹配 (4) 3.3.1与特征无关的匹配方式 (4) 3.3.2根据特征进行匹配的方式 (5) 3.4图片拼接 (5) 3.5图像融合 (6) 3.5.1 平均叠加法 (6) 3.5.2 线性法 (7) 3.5.3 加权函数法 (7) 3.5.4 多段融合法（多分辨率样条） (7) 3.6全景图像投射 (7) 3.6.1 柱面全景图 (7) 3.6.2 球面全景图 (7) 3.6.3 多面体全景图 (8) 4.开源图像算法库OPENCV拼接模块 (8) 4.1 STITCHING_DETAIL程序运行流程 (8) 4.2 STITCHING_DETAIL程序接口介绍 (9) 4.3测试效果 (10) 5.小结 (10) 参考资料 (10) 1.概述 全景视图是指在一个固定的观察点，能够提供水平方向上方位角360度，垂直方向上180度的自由浏览（简化的全景只能提供水平方向360度的浏览）。 目前市场中的全景摄像机主要分为两种：鱼眼全景摄像机和多镜头全景摄像机。鱼眼全景摄像机是由单传感器配套特殊的超广角鱼眼镜头，并依赖图像校正技术还原图像的鱼眼全景摄像机。鱼眼全景摄像机
最终生成的全景图像即使经过校正也依然存在一定程度的失真和不自然。多镜头全景摄像机可以避免鱼眼镜头图像失真的缺点，但是或多或少也会存在融合边缘效果不真实、角度有偏差或分割融合后有"附加"感的缺撼。 本文档中根据目前所查找到的资料，对多镜头全景视图拼接算法原理进行简要的介绍。 2.主要步骤 2.1. 图像获取 通过相机取得图像。通常需要根据失真较大的鱼眼镜头和失真较小的窄视角镜头决定算法处理方式。单镜头和多镜头相机在算法处理上也会有一定差别。 2.2鱼眼图像矫正 若相机镜头为鱼眼镜头，则图像需要进行特定的畸变展开处理。 2.3图片匹配 根据素材图片中相互重叠的部分估算图片间匹配关系。主要匹配方式分两种： A．与特征无关的匹配方式。最常见的即为相关性匹配。 B．根据特征进行匹配的方式。最常见的即为根据SIFT，SURF等素材图片中局部特征点，匹配相邻图片中的特征点，估算图像间投影变换矩阵。 2.4 图片拼接 根据步骤2.3所得图片相互关系，将相邻图片拼接至一起。 2.5 图像融合 对拼接得到的全景图进行融合处理。 2.6 全景图像投射 将合成后的全景图投射至球面、柱面或立方体上并建立合适的视点，实现全方位的视图浏览。
第一章绪论 1.1图像拼接技术的研究背景及研究意义 图像拼接(image mosaic)是一个日益流行的研究领域，他已经成为照相绘图学、计算机视觉、图像处理和计算机图形学研究中的热点。图像拼接解决的问题一般式，通过对齐一系 列空间重叠的图像，构成一个无缝的、高清晰的图像，它具有比单个图像更高的分辨率和更大的视野。 早期的图像拼接研究一直用于照相绘图学，主要是对大量航拍或卫星的图像的整合。近年来随着图像拼接技术的研究和发展，它使基于图像的绘制( IBR )成为结合两个互补领域 ――计算机视觉和计算机图形学的坚决焦点，在计算机视觉领域中，图像拼接成为对可视化 场景描述(Visual Seene Representaions)的主要研究方法：在计算机形学中，现实世界的图像过去一直用于环境贴图，即合成静态的背景和增加合成物体真实感的贴图，图像拼接可以 使IBR从一系列真是图像中快速绘制具有真实感的新视图。 在军事领域网的夜视成像技术中，无论夜视微光还是红外成像设备都会由于摄像器材的限制而无法拍摄视野宽阔的图片，更不用说360度的环形图片了。但是在实际应用中，很 多时候需要将360度所拍摄的很多张图片合成一张图片，从而可以使观察者可以观察到周围的全部情况。使用图像拼接技术，在根据拍摄设备和周围景物的情况进行分析后，就可以将通过转动的拍摄器材拍摄的涵盖周围360度景物的多幅图像进行拼接，从而实时地得到 超大视角甚至是360度角的全景图像。这在红外预警中起到了很大的作用。 微小型履带式移动机器人项目中，单目视觉不能满足机器人的视觉导航需要，并且单目 视觉机器人的视野范围明显小于双目视觉机器人的视野。利用图像拼接技术，拼接机器人双 目采集的图像，可以增大机器人的视野，给机器人的视觉导航提供方便。在虚拟现实领域中，人们可以利用图像拼接技术来得到宽视角的图像或360度全景图像，用来虚拟实际场景。 这种基于全景图的虚拟现实系统，通过全景图的深度信息抽取，恢复场景的三维信息，进而建立三维模型。这个系统允许用户在虚拟环境中的一点作水平环视以及一定范围内的俯视和仰视，同时允许在环视的过程中动态地改变焦距。这样的全景图像相当于人站在原地环顾四 周时看到的情形。在医学图像处理方面，显微镜或超声波的视野较小，医师无法通过一幅图 像进行诊视，同时对于大目标图像的数据测量也需要把不完整的图像拼接为一个整体。所以把相邻的各幅图像拼接起来是实现远程数据测量和远程会诊的关键环节圆。在遥感技术领域中，利用图像拼接技术中的图像配准技术可以对来自同一区域的两幅或多幅图像进行比较，也可以利用图像拼接技术将遥感卫星拍摄到的有失真地面图像拼接成比较准确的完整图像，作为进一步研究的依据。 从以上方面可以看出，图像拼接技术的应用前景十分广阔，深入研究图像拼接技术有着很重 要的意义 1.2图像拼接算法的分类 图像拼接作为这些年来图像研究方面的重点之一，国内外研究人员也提出了很多拼接算 法。图像拼接的质量，主要依赖图像的配准程度，因此图像的配准是拼接算法的核心和关键。根据图像匹配方法的不同仁阔，一般可以将图像拼接算法分为以下两个类型： (1) 基于区域相关的拼接算法。 这是最为传统和最普遍的算法。基于区域的配准方法是从待拼接图像的灰度值出发，对 待配准图像中一块区域与参考图像中的相同尺寸的区域使用最小二乘法或者其它数学方法 计算其灰度值的差异，对此差异比较后来判断待拼接图像重叠区域的相似程度，由此得到待
本文为技术简介，详细算法可以参考后面的参考资料。 1.概述 全景图像(Panorama)通常是指大于双眼正常有效视角(大约水平90度，垂直70度)或双眼余光视角(大约水平180度，垂直90度)，在一个固定的观察点，能够提供水平方向上方位角360度，垂直方向上180度的自由浏览（简化的全景只能提供水平方向360度的浏览），乃至360度完整场景范围拍摄的照片。 生成全景图的方法，通常有三种：一是利用专用照相设备，例如全景相机，带鱼眼透镜的广角相机等。其优点是容易得到全景图像且不需要复杂的建模过程，但是由于这些专用设备价格昂贵，不宜普遍适用。二是计算机绘制方法，该方法利用计算机图形学技术建立场景模型，然后绘制虚拟环境的全景图。其优点是绘制全景图的过程不需要实时控制，而且可以绘制出复杂的场景和真实感较强的光照模型，但缺点是建模过程相当繁琐和费时。三是利用普通数码相机和固定三脚架拍摄一系列的相互重叠的照片，并利用一定的算法将这些照片拼接起来，从而生成全景图。 近年来随着图像处理技术的研究和发展，图像拼接技术已经成为计算机视觉和计算机图形学的研究焦点。目前出现的关于图像拼接的商业软件主要有Ptgui、Ulead Cool 360及ArcSoft Panorama Maker等，这些商业软件多是半自动过程，需要排列好图像顺序，或手动点取特征点。 2.全景图类型： 1)柱面全景图 柱面全景图技术较为简单，发展也较为成熟，成为大多数构建全景图虚拟场景的基础。这种方式是将全景图像投影到一个以相机视点为中心的圆柱体内表面，
视线的旋转运动即转化为柱面上的坐标平移运动。这种全景图可以实现水平方向360度连续旋转，而垂直方向的俯仰角度则由于圆柱体的限制要小于180度。柱面全景图有两个显著优点：一是圆柱面可以展开成一个矩形平面，所以可以把柱面全景图展开成一个矩形图像，而且直接利用其在计算机内的图像格式进行存取；二是数据的采集要比立方体和球体都简单。在大多数实际应用中，360度的环视环境即可较好地表达出空间信息，所以柱面全景图模型是较为理想的一种选择。 2)立方体全景图 立方体全景图由六个平面投影图像组成，即将全景图投影到一个立方体的内表面上。这种方式下图像的采集和相机的标定难度较大，需要使用特殊的拍摄装置，依次在水平、垂直方向每隔90度拍摄一张照片，获得六张可以无缝拼接于一个立方体的六个面上的照片。这种方法可以实现水平方向360度旋转、垂直方向180度俯仰的视线观察。 3)球面全景图 球面全景图是指将源图像拼接成一个球体的形状，以相机视点为球心，将图像投影到球体的内表面。与立方体全景图类似，球面全景图也可以实现水平方向360度旋转、垂直方向180度俯仰的视线观察。球面全景图的拼接过程及存储方式较柱面全景图大为复杂，这是因为生成球面全景图的过程中需要将平面图像投影成球面图像，而球面为不可展曲面。因此这是一个平面图像水平和垂直方向的非线性投影过程，同时也很难找到与球面对应且易于存取的数据结构来存放球面图像。目前国内外在这方面提出的研究算法较其他类型全景图少，而且在可靠性和效率方面也存在一些问题。 3.主要内容
技术创新 中文核心期刊《微计算机信息》（管控一体化）２００７年第２３卷第６－３期 ３６０元／年邮局订阅号：８２－９４６ 《现场总线技术应用２００例》 图像处理 电容层析成像系统图像重建算法的研究 ＳｔｕｄｙｏｎＩｍａｇｅＲｅｃｏｎｓｔｒｕｃｔｉｏｎＡｌｇｏｒｉｔｈｍｆｏｒＥｌｅｃｔｒｉｃａｌＣａｐａｃｉｔａｎｃｅＴｏｍｏｇｒａｐｈｙＳｙｓｔｅｍ （江南大学）曹琳琳 ＣＡＯＬＩＮＬＩＮ 摘要：本文利用Ｔｉｋｈｏｎｏｖ正则化和奇异系统理论，分析了引起电容层析成像系统逆问题不适定性的根本原因是由于敏感场 矩阵小奇异值的存在。针对一般Ｔｉｋｈｏｎｏｖ正则化方法将所有的奇异值都采取同一正则化参数修正带来的误差，本文将小奇异值对应的项设定正则化参数，而舍去零奇异值对应向量，既减少了误差又加快了速度。例算结果表明，用本文方法重建图像，比其它如线性反投影算法（ＬＢＰ）、Ｌａｎｄｗｅｂｅｒ迭代法及一般Ｔｉｋｈｏｎｏｖ正则化算法，都有一定程度的改善。关键词：电容层析成像；图像重建算法；Ｔｉｋｈｏｎｏｖ正则化；奇异系统中图分类号：ＴＰ２１２文献标识码：Ａ Ａｂｓｔｒａｃｔ：ＢａｓｅｄｏｎＴｉｋｈｏｎｏｖｒｅｇｕｌａｒｉｚａｔｉｏｎａｎｄｓｉｎｇｕｌａｒｓｙｓｔｅｍｔｈｅｏｒｙ，ｉｔｉｓａｎａｌｙｚｅｄｔｈａｔｔｈｅｃａｕｓｅｏｆｔｈｅｉｌｌ－ｐｏｓｅｄｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｔｈｅｉｎｖｅｒｓｅｐｒｏｂｌｅｍｉｎｅｌｅｃｔｒｉｃａｌｃａｐａｃｉｔａｎｃｅｔｏｍｏｇｒａｐｈｙｓｙｓｔｅｍｉｓｄｕｅｔｏｔｈｅｓｍａｌｌｓｉｎｇｕｌａｒｖａｌｕｅｓｏｆｔｈｅｓｅｎｓｉｔｉｖｉｔｙｄｉｓｔｒｉｂｕｔｉｏｎｍａ－ｔｒｉｘ．ＤｉｆｆｅｒｆｒｏｍｔｈｅｃｏｎｖｅｎｔｉｏｎａｌｔｅｃｈｎｉｑｕｅｉｎＴｉｋｈｏｎｏｖｒｅｇｕｌａｒｉｚａｔｉｏｎｍｅｔｈｏｄｔｈａｔａｌｌｔｈｅｓｉｎｇｕｌａｒｖａｌｕｅｓａｒｅｍｏｄｉｆｉｅｄｗｉｔｈｔｈｅｓａｍｅｐａｒａｍｅｔｅｒ，ｗｈｉｃｈｗｉｌｌｒｅｓｕｌｔｉｎｍｏｒｅｓｏｌｕｔｉｏｎｅｒｒｏｒ，ａｎｅｗｔｅｃｈｎｉｑｕｅｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ，ｉｎｗｈｉｃｈｓｍａｌｌｓｉｎｇｕｌａｒｖａｌｕｅｓｅｘｃｅｐｔｔｈｅｚｅｒｏｓａｒｅｍａｎｉｐｕｌａｔｅｄｂｙｔｈｅｒｅｇｕｌａｒｉｚａｔｉｏｎ．Ｌｅｓｓｓｏｌｕｔｉｏｎｅｒｒｏｒａｎｄｒａｐｉｄｅｒｓｏｌｖｉｎｇｐｒｏｃｅｄｕｒｅｃａｎａｃｈｉｅｖｅｄｂｙｕｓｉｎｇｔｈｉｓｔｅｃｈ－ｎｉｑｕｅ．Ｎｕｍｅｒｉｃａｌｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｐｒｏｖｉｄｅｉｍａｇｅｓｓｕｐｅｒｉｏｒｔｏｔｈｏｓｅｒｅｃｏｎｓｔｒｕｃｔｅｄｂｙｔｈｅｌｉｎｅａｒｂａｃｋｐｒｏｊｅｃｔｉｏｎ（ＬＢＰ），ＬａｎｄｗｅｂｅｒｉｔｅｒａｔｉｖｅｍｅｔｈｏｄａｎｄｔｈｅｓｔａｎｄａｒｄＴｉｋｈｏｎｏｖｒｅｇｕｌａｒｉｚａｔｉｏｎｍｅｔｈｏｄ． Ｋｅｙｗｏｒｄｓ：ｅｌｅｃｔｒｉｃａｌｃａｐａｃｉｔａｎｃｅｔｏｍｏｇｒａｐｈｙ，ｉｍａｇｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｌｇｏｒｉｔｈｍ，Ｔｉｋｈｏｎｏｖｒｅｇｕｌａｒｉｚａｔｉｏｎ，ｓｉｎｇｕｌａｒｓｙｓｔｅｍｔｈｅｏｒｙ 文章编号：１００８－０５７０（２００７）０６－３－０２７２－０３ 引言 电容层析成像（ＥｌｅｃｔｒｉｃａｌＣａｐａｃｉｔａｎｃｅＴｏｍｏｇｒａｐｈｙ，简称 ＥＣＴ）中图像重建算法的研究是ＥＣＴ技术和应用的重点环节。 实现图像重建的基本思路是在分析电极激励的静电场问题得到敏感场数据以后，建立被测介电常数与测量电容值之间的关系方程，再运用合适的方法反演截面图像，并要求一定的成像质量和速度。ＥＣＴ图像重建属于逆问题，通常观测数据值远远少于被测数据，而且由于敏感场矩阵本身存在的大条件数，导致求解问题的不适定性，另由于ＥＣＴ系统固有的“软场”性质，待解问题的非线性，使这类问题的求解有一定的困难。 当前存在的ＥＣＴ图像重建算法中，常用的方法有线性反投影算法（ＬＢＰ）、Ｌａｎｄｗｅｂｅｒ迭代法及Ｔｉｋｈｏｎｏｖ正则化算法。ＬＢＰ将问题看成简单线性问题，求解速度快，但是误差较大；而 Ｌａｎｄｗｅｂｅｒ迭代法利用ＬＢＰ得到初始图像，然后计算电容值和 测量电容值之间的误差，反复进行修正，可以得到比较精确的图像，但同时速度慢，不利于实时应用。 Ｔｉｋｈｏｎｏｖ正则化方法用于ＥＣＴ的图像重建，它方法上是引 入一正则化参数试图减小敏感场矩阵的条件数，然后进行求解，但是实质上却对敏感场矩阵所有的奇异值都加上了一个正则化参数，这样对大奇异值项来说，肯定会造成一定的误差，所以本文为了避免这种误差的存在，将解展开为奇异向量的线性组合，通过分析小奇异值对应的项对计算结果产生的影响，给出了选择合适的正则化参数的方法，可使图像重建达到比较理想的结果。１基本理论知识 设存在一病态线性方程组 Ａｘ＝ｙ（１） 式中Ａ属于ｍ×ｎ矩阵，ｘ为ｎ维向量，ｙ为ｍ维向量。标准 Ｔｉｋｈｏｎｏｖ正则化方法将问题转化为求下列的范函最小值问题： （２） 式中λ为正则化参数，该范函极值问题的正则化解ｘα也是 下列方程的唯一解： （３） 设Ａ的奇异系统为 ，即满足 （４） 则可得到 （５） Ａ的奇异值为μｉ，则ＡＴ Ａ的特征值为μｉ２。那么根据特征值 理论满足 （６） 从而使得 （７） 代入（５）式则可得到正则化解为 （８） 可以看出，方程（１）的解可以看作是奇异向量ｘｉ和系数 的线性组合。但是如果系数矩阵Ａ的性态不好，存 在相对很小的奇异值，则相对小奇异值的某些组合分量即具有 很大的系数。此时如果已知向量ｙ存在误差或噪声，并且该噪 曹琳琳：硕士研究生 ２７２－－
电容器工作原理这得从电容器的结构上说起。最简单的电容器是由两端的极板和中间的绝缘电介质（包括空气）构成的。通电后，极板带电，形成电压（电势差），但是由于中间的绝缘物质，所以整个电容器是不导电的。不过，这样的情况是在没有超过电容器的临界电压（击穿电压）的前提条件下的。我们知道，任何物质都是相对绝缘的，当物质两端的电压加大到一定程度后，物质是都可以导电的，我们称这个电压叫击穿电压。电容也不例外，电容被击穿后，就不是绝缘体了。不过在中学阶段，这样的电压在电路中是见不到的，所以都是在击穿电压以下工作的，可以被当做绝缘体看。但是，在交流电路中，因为电流的方向是随时间成一定的函数关系变化的。而电容器充放电的过程是有时间的，这个时候，在极板间形成变化的电场，而这个电场也是随时间变化的函数。实际上，电流是通过场的形式在电容器间通过的。 电容 diànróng 1. [capacitance；electric capacity]：电容是表征电容器容纳电荷的本领的物理量，非导电体的下述性质:当非导电体的两个相对表面保持某一电位差时（如在电容器中），由于电荷移动的结果，能量便贮存在该非导电体之中 2. [capacitor；condenser]：电容器的俗称 [编辑本段]概述 定义： 电容（或称电容量[4]）是表征电容器容纳电荷的本领的物理量。我们把电容器的两极板间的电势差增加1伏所需的电量，叫做电容器的电容。电容从物理学上讲，它是一种静态电荷存储介质（就像一只水桶一样，你可以把电荷充存进去，在没有放电回路的情况下，刨除介质漏电自放电效应/电解电容比较明显，可能电荷会永久存在，这是它的特征），它的用途较广，它是电子、电力领域中不可缺少的电子元件。主要用于电源滤波、信号滤波、信号耦合、谐振、隔直流等电路中。 电容的符号是C。 在国际单位制里，电容的单位是法拉，简称法，符号是F,常用的电容单位有毫法(mF)、微法(μF)、纳法(nF)和皮法(pF)(皮法又称微微法)等，换算关系是： 1法拉(F)= 1000毫法(mF)＝1000000微法(μF) 1微法(μF)= 1000纳法(nF)= 1000000皮法(pF)。 相关公式： 一个电容器，如果带1库的电量时两级间的电势差是1伏，这个电容器的电容就是1法，即：C=Q/U 但电容的大小不是由Q或U决定的，即：C=εS/4πkd 。其中，ε是一个常数，S为电容极板的正对面积，d为电容极板的距离，k则是静电力常量。常见的平行板电容器,电容为C=εS/d.（ε为极板间介质
图像拼接算法及实现（一） 论文关键词：图像拼接图像配准图像融合全景图 论文摘要：图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图像拼接的基础。本文研究了两种图像配准算法:基于特征和基于变换域的图像配准算法。在基于特征的配准算法的基础上,提出一种稳健的基于特征点的配准算法。首先改进Harris角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度NCC(normalized cross correlation——归一化互相关),通过用双向最大相关系数匹配的方法提取出初始特征点对,用随机采样法RANSAC(Random Sample Consensus)剔除伪特征点对,实现特征点对的精确匹配。最后用正确的特征点匹配对实现图像的配准。本文提出的算法适应性较强,在重复性纹理、旋转角度比较大等较难自动匹配场合下仍可以准确实现图像配准。 Abstract：Image mosaic is a technology that carries on the spatial matching to a series of image which are overlapped with each other, and finally builds a seamless and high quality image which has high resolution and big eyeshot. Image mosaic has widely applications in the fields of photogrammetry, computer vision, remote sensing image processing, medical image analysis, computer graphic and so on. 。In general, the process of image mosaic by the image acquisition, image registration, image synthesis of three steps, one of image registration are the basis of the entire image mosaic. In this paper, two image registration algorithm: Based on the characteristics and transform domain-based image registration algorithm. In feature-based registration algorithm based on a robust feature-based registration algorithm points. First of all, to improve the Harris corner detection algorithm, effectively improve the extraction of feature points of the speed and accuracy. And the use of a similar measure of NCC (normalized cross correlation - Normalized cross-correlation), through the largest correlation coefficient with two-way matching to extract the feature points out the initial right, using random sampling method RANSAC (Random Sample Consensus) excluding pseudo-feature points right, feature points on the implementation of the exact match. Finally with the correct feature point matching for image registration implementation. In this
第一章绪论 1.1 图像拼接技术的研究背景及研究意义 图像拼接(image mosaic)是一个日益流行的研究领域，他已经成为照相绘图学、计算机视觉、图像处理和计算机图形学研究中的热点。图像拼接解决的问题一般式，通过对齐一系列空间重叠的图像，构成一个无缝的、高清晰的图像，它具有比单个图像更高的分辨率和更大的视野。 早期的图像拼接研究一直用于照相绘图学，主要是对大量航拍或卫星的图像的整合。近年来随着图像拼接技术的研究和发展，它使基于图像的绘制（IBR）成为结合两个互补领域——计算机视觉和计算机图形学的坚决焦点，在计算机视觉领域中，图像拼接成为对可视化场景描述（Visual Scene Representaions）的主要研究方法：在计算机形学中，现实世界的图像过去一直用于环境贴图，即合成静态的背景和增加合成物体真实感的贴图，图像拼接可以使IBR从一系列真是图像中快速绘制具有真实感的新视图。 在军事领域网的夜视成像技术中，无论夜视微光还是红外成像设备都会由于摄像器材的限制而无法拍摄视野宽阔的图片，更不用说360 度的环形图片了。但是在实际应用中，很多时候需要将360 度所拍摄的很多张图片合成一张图片，从而可以使观察者可以观察到周围的全部情况。使用图像拼接技术，在根据拍摄设备和周围景物的情况进行分析后，就可以将通过转动的拍摄器材拍摄的涵盖周围360 度景物的多幅图像进行拼接，从而实时地得到超大视角甚至是360 度角的全景图像。这在红外预警中起到了很大的作用。 微小型履带式移动机器人项目中，单目视觉不能满足机器人的视觉导航需要，并且单目视觉机器人的视野范围明显小于双目视觉机器人的视野。利用图像拼接技术，拼接机器人双目采集的图像，可以增大机器人的视野，给机器人的视觉导航提供方便。在虚拟现实领域中，人们可以利用图像拼接技术来得到宽视角的图像或360 度全景图像，用来虚拟实际场景。这种基于全景图的虚拟现实系统，通过全景图的深度信息抽取，恢复场景的三维信息，进而建立三维模型。这个系统允许用户在虚拟环境中的一点作水平环视以及一定范围内的俯视和仰视，同时允许在环视的过程中动态地改变焦距。这样的全景图像相当于人站在原地环顾四周时看到的情形。在医学图像处理方面，显微镜或超声波的视野较小，医师无法通过一幅图像进行诊视，同时对于大目标图像的数据测量也需要把不完整的图像拼接为一个整体。所以把相邻的各幅图像拼接起来是实现远程数据测量和远程会诊的关键环节圆。在遥感技术领域中，利用图像拼接技术中的图像配准技术可以对来自同一区域的两幅或多幅图像进行比较，也可以利用图像拼接技术将遥感卫星拍摄到的有失真地面图像拼接成比较准确的完整图像，作为进一步研究的依据。 从以上方面可以看出，图像拼接技术的应用前景十分广阔，深入研究图像拼接技术有着很重要的意义 1.2图像拼接算法的分类 图像拼接作为这些年来图像研究方面的重点之一，国内外研究人员也提出了很多拼接算法。图像拼接的质量，主要依赖图像的配准程度，因此图像的配准是拼接算法的核心和关键。根据图像匹配方法的不同仁阔，一般可以将图像拼接算法分为以下两个类型：（1) 基于区域相关的拼接算法。 这是最为传统和最普遍的算法。基于区域的配准方法是从待拼接图像的灰度值出发，对
电容工作原理 电容串联可以隔直通交，并联可以滤波。 电容器就是两片不相连的金属板.电容器在电子线路中的作用一般概括为：通交流、阻直流。电容器通常起滤波、旁路、耦合、去耦、转相等电气作用，是电子线路必不可少的组成部分。滤波电路是把脉冲通到地去了，不是通到输出端。 正因为通交流，才能把交流成分通向地，保留直流成分. 一般情况下，电解电容的作用是过滤掉电流中的低频信号，但即使是低频信号，其频率也分为了好几个数量级。因此为了适合在不同频率下使用，电解电容也分为高频电容和低频电容（这里的高频是相对而言）。 低频滤波电容主要用于市电滤波或变压器整流后的滤波，其工作频率与市电一致为50Hz；而高频滤波电容主要工作在开关电源整流后的滤波，其工作频率为几千Hz到几万Hz。当我们将低频滤波电容用于高频电路时，由于低频滤波电容高频特性不好，它在高频充放电时内阻较大，等效电感较高。因此在使用中会因电解液的频繁极化而产生较大的热量。而较高的温度将使电容内部的电解液气化，电容内压力升高，最终导致电容的鼓包和爆裂。 其实主要是充放电的工作原理。其实电容就相当于 一个水库，让过来的有波动的水变的很平稳 电解电容的作用有滤波，一般用在整流桥的后面。 你可以看一下电容是并连还是串连在回路里，并联的话是率除高频，串联的话是率除低频。还有降压电容。还有隔直的作用，一般做保护用！ 电容串联和并联在电路中各有什么作用？ 电容的作用是储存、释放电荷，可起到隔直通交、滤波、振荡作用 电容在电路中：如串联使用一般作为交流信号隔离，如音频功放、视频放大器等 如并联使用一般作为滤波，如电源、信号处理电路中噪声去除等 如与电感或其他芯片并联可组成振荡回路，如无线信号发射、接收、调制、解调等 电容并联可增大电容量，串联减小。比如手头没有大电容，只有小的，就可以并起来用，反之，没有小的就可以用大的串起来用。 在集成电路、超大规模集成电路已经大行其道的今天，电容器作为一种分立式无源元件仍然大量使用于各种功能的电路中，其在电路中所起的重要作用可见一斑。 作贮能元件也是电容器的一个重要应用领域，同电池等储能元件相比，电容器可以瞬时充放电，并且充放电电流基本上不受限制，可以为熔焊机、闪光灯等设备提供大功率的瞬时脉冲电流。 电容器还常常被用以改善电路的品质因子，如节能灯用电容器。 隔直流：作用是阻止直流通过而让交流通过。 旁路（去耦）：为交流电路中某些并联的元件提供低阻抗通路。 耦合：作为两个电路之间的连接，允许交流信号通过并传输到下一级电路 滤波：将整流以后的锯齿波变为平滑的脉动波，接近于直流。 温度补偿：针对其它元件对温度的适应性不够带来的影响，而进行补偿，改善电路的稳定性。计时：电容器与电阻器配合使用，确定电路的时间常数。 调谐：对与频率相关的电路进行系统调谐，比如手机、收音机、电视机。 整流：在预定的时间开或者关半闭导体开关元件。
图像拼接算法及实现（一） 来源：中国论文下载中心 [ 09-06-03 16:36:00 ] 作者：陈挺编辑：studa090420 论文关键词：图像拼接图像配准图像融合全景图 论文摘要：图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图像拼接的基础。本文研究了两种图像配准算法:基于特征和基于变换域的图像配准算法。在基于特征的配准算法的基础上,提出一种稳健的基于特征点的配准算法。首先改进Harris角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度NCC(normalized cross correlation——归一化互相关),通过用双向最大相关系数匹配的方法提取出初始特征点对,用随机采样法RANSAC(Random Sample Consensus)剔除伪特征点对,实现特征点对的精确匹配。最后用正确的特征点匹配对实现图像的配准。本文提出的算法适应性较强,在重复性纹理、旋转角度比较大等较难自动匹配场合下仍可以准确实现图像配准。 Abstract：Image mosaic is a technology that carries on the spatial matching to a series of image which are overlapped with each other, and finally builds a seamless and high quality image which has high resolution and big eyeshot. Image mosaic has widely applications in the fields of photogrammetry, computer vision, remote sensing image processing, medical image analysis, computer graphic and so on. 。In general, the process of image mosaic by the image acquisition, image registration, image synthesis of three steps, one of image registration are the basis of the entire image mosaic. In this paper, two image registration algorithm: Based on the characteristics and transform domain-based image registration algorithm. In feature-based registration algorithm based on a robust feature-based registration algorithm points. First of all, to improve the Harris corner detection algorithm, effectively improve the extraction of feature points of the speed and accuracy. And the use of a similar measure of NCC (normalized cross correlation - Normalized cross-correlation), through the largest correlation coefficient with two-way matching to extract the feature points out the initial right, using random sampling method RANSAC (Random Sample Consensus) excluding pseudo-feature points right, feature points on the implementation of the exact match. Finally with the correct feature point matching for image registration implementation. In this paper, the algorithm adapted, in the repetitive texture, such as relatively large rotation more difficult to automatically match occasions can still achieve an accurate image registration. Key words: image mosaic, image registration, image fusion, panorama 第一章绪论
毕业设计开题报告 电子信息工程 电容层析成像技术测量电路的设计 1、选题的背景、意义 过程成像(PT:PROCESS TOMOGRAPHY)技术是近年来才发展起来的一种两相或多相流测量技术,其优点是利用被测物体外部的检测信息,获得被测物体内部变化∕高速流状态。过程成像经常使用特殊方法设计的探测器,通过非侵入式的方法取得被测两相流或多相流介质的场(如电磁场)信息,可以根据场的信息和被测物体的作用原理,应用数学的方法重建两相流或多相流在管道内或反应装置的内部的横截面上的动态分布的情况。在我们日常生活中，过程成像可用于研究化工、石油等各种固体、气体的物料输送管道中的气或固两相流和气或固或液多相流得流态化、反应、扩散以及混合等动态过程,以监控反应器中气泡的分布和大小以及反应器中气泡的破碎和合并等过程；通过工业过程中的建立的模型,研究反应器中反应速率、质量传递以及热量传递的关系,提高反应器的选择性、转化率以及安全性等[1]。 电容层析成像技术（ECT）是医学CT技术在工业流动过程上的改革与发展，是目前用来解决多相流参数测量难度大的最新手段。ECT(Electrical Capacitance Tomography)是在应用于多相流参数检测的一种新型技术,原理是依靠检测非导电物场内介质分布变化引起的电容值的变化,通过某种图像重建算法来反演物场内的介质分布,从而实现对两相流参数的测量。工业过程成像技术中，电容的成像技术（ELECTRICAL CAPACITANCE TOMOGRAPHY,简称ECT）以它廉价、高速和非辐射等特点，在近十几年来获得很大发展[2]。 其实，早在二十世纪八十年代中期，以英国曼彻斯特理工大学BECK M S教授为首的研究小组就已经提出了“流动成像”（FLOW IMAGING）得概念，并研制成功了8电极的电容成像系统。在国外，美国能源部MORGANTOWN研究中心几乎与BECK的研究小组同时发明出了一种在线监测流化床中空隙率分布的16电极电容的成像系统（CAPACITANCE IMAGING SYSTEM,简称CIT），该系统可用于对流化床内物料密度三维分布地监测。电容成像的技术应用于工业上的多种需要进行多
电容补尝柜的作用和工作原理 一. 电容补偿柜之作用: 用于补偿发电机无功电流、减轻发电机工作负荷，增加发电机可使用容量，可减少工厂一定的用电量、节省工业电力，提高发供电设备的供电质量和供电能力。 二. 电容柜工作原理 用电设备除电阻性负载外，大部分用电设备均属感性用电负载（如日光灯、变压器、马达等用电设备）这些感应负载，使供电电源电压相位发生改变（即电流滞后于电压），因此电压波动大，无功功率增大，浪费大量电能。当功率因数过低时，以致供电电源输出电流过大而出现超负载现象。电容补偿柜内的电脑电容控制系统可解决以上弊端，它可根据用电负荷的变化，而自动设置。电容组数的投入，进行电流补偿，从而减低大量无功电流，使线路电能损耗降到最低程度，提供一个高素质的电力源。 三. 电容补偿技术: 在工业生产中广泛使用的交流异步电动机，电焊机、电磁铁工频加热器导用点设备都是感性负载。这些感性负载在进行能量转换过程中，使加在其上的电压超前电流一个角度。这个角度的余弦，叫做功率因数，这个电流（既有电阻又有电感的线圈中流过的电流）可分解为与电压相同相位的有功分量和落后于电压90 度的无功分量。这个无功分量叫做电感无功电流。与电感无功电流相应的功率叫做电感无功功率。当功率因数很低时，也就是无功功率很大时会有以下危害：
?增长线路电流使线路损耗增大，浪费电能。 ?因线路电流增大，可使电压降低影响设备使用。 ?对变压器而言，无功功率越大，则供电局所收的每度电电费越贵，当功率因数低于0.7 时，供电局可拒绝供电。 ?对发电机而言，以310KW 发电机为例。 310KW 发电机的额定功率为280KW ，额定电流为530A ，当负载功率因数0.6 时 功率= 380 x 530 x 1.732 x 0.6 = 210KW 从上可看出，在负载为530A 时，机组的柴油机部分很轻松，而电球以不堪重负，如负荷再增加则需再开一台发电机。加接入电容补偿柜，让功率因数达到0.96 ，同样210KW 的负荷。 电流=210000/ （380x1.732x0.96 ）=332A 补偿后电流降低了近200A ，柴油机和电球部分都相当轻松，再增加部分负荷也能承受，不需再加开一台发电机，可节约大量柴油。也让其他机组充分休息。从以上可看出，电容补偿的经济效益可观，是低压配电系统中不可缺少的重要成员。 原理：把具有容性负荷的装置与感性负荷并联接在同一电路,当容性负荷释放能量时,感性负荷吸收能量;而感性负荷释放能量时,容 性负荷却在吸收能量,能量在两种负荷之间互相交换.这样,感性负荷 所吸收的无功功率可由容性负荷输出的无功功率中得到补偿,这就是他的补偿原理
收稿日期:2009-06-26;修回日期:2009-09-10 作者简介:冉柯柯(1982-),女,河南人,硕士研究生,研究方向为数字图像处理和模式识别;王继成,教授,研究员,研究方向为模式识别与智能系统、数字图像和语音处理。 基于比值法图像拼接的等比例改进算法 冉柯柯,王继成 (同济大学电子与信息工程学院,上海201804) 摘 要:图像拼接技术是通过将一组具有部分重叠的图像或视频图像进行无缝拼接后而得到的具有高分辨率的图像或全景图,是图像处理技术的一个重要内容。主要介绍了图像拼接技术的主要步骤、比值匹配法的基本原理和优缺点,然后针对此算法容易出现误匹配的问题,提出了一种改进的算法。通过引用等比例数列的思想增加区域像素信息,与传统方法相比,这种方法可以更快更准地找到最佳匹配位置,从而提高了算法的准确性。实验结果证明了此算法可以有效的消除误匹配。 关键词:图像拼接;图像匹配;比值匹配法;图像融合 中图分类号:TP391 文献标识码:A 文章编号:1673-629X (2010)02-0005-04 An Improved Mosaic Algorithm B ased on R atio Matching Using G eometric Proportion RAN Ke 2ke ,WAN G Ji 2cheng (Department of Electronics and Information Engineering ,Tongji University ,Shanghai 201804,China ) Abstract :Image stitching is normally used to make up a seamless and high resolution with a set of the overlap parts of images and videos.It is one of important technologies for image processing.Presented the main step of the image mosaics ,basic principle and advantages and disadvantages of the ration matching algorithm ,based on the ratio matching algorithm ,an improved algorithm of image stitching is pre 2sented in order to resolve the pseudo https://www.doczj.com/doc/6810826569.html,ing the theory of geometric proportion ,comparing with traditional methods ,the algo 2rithm can find the optimal position more quickly and more exactly.The experiments show that this method can eliminate false matches validly. K ey w ords :image stitching ;image registration ;ratio matching ;image fusion 0 引 言 随着数码照相设备的广泛普及,越来越多的数码图像被应用于各个方面的研究中。在实际的科学研究和工程项目中,经常会用到超过人眼视角的高分辨率图像。为了得到大视角的高分辨率图像,人们往往利用广角镜头和扫描式相机来解决部分问题。但这些设备都有价格昂贵和使用复杂等缺点,另外,在一幅低分辨率的图像中得到超宽视角会损失景物中物体的分辨率,而且,广角镜头的图像边缘会产生难以避免的扭曲变形。所以为了在不降低图像分辨率的条件下获取大视野范围的场景照片,人们采用了图像拼接技术来将多幅照片拼接成一幅大的照片。 研究图像拼接技术的目的就是利用计算机进行自 动匹配,将具有重叠区域的多幅图片合成为一幅宽角度图片,以此来扩大视区的范围。现在图像拼接技术已经成为数字图像处理领域的一个研究热点,被广泛应用于虚拟现实、计算机视觉、遥感图像处理、医学图像分析、计算机图形学、视频的索引和检索以及数字视频压缩等领域。 图像拼接技术主要包括图像配准和图像融合两个关键环节。图像配准是图像拼接的核心部分,它直接关系到图像拼接算法的成功率和执行速度。图像配准算法大体可分为基于特征的图像配准和基于区域的图像配准两类[1]。基于特征的图像拼接是利用图像的明显特征(角点或轮廓等)来估算图像之间的变换,从而确定匹配位置。基于区域的方法是利用图像的像素值之间的相关性来寻找最佳匹配点的。常用的方法[2]有点匹配法、线匹配法、面积匹配法[3]、网格匹配法[4]和比值匹配法[5]。比值匹配法具有计算速度快等特点,广泛应用于图像拼接技术中。但是这种方法由于其自 第20卷 第2期2010年2月 计算机技术与发展COMPU TER TECHNOLO GY AND DEV ELOPMEN T Vol.20 No.2Feb. 2010