基于二倍体显性机制的透视变换矩阵参数优化
2020年信息技术与网络安全第3期
方树，陈贤富
（中国科学技术大学 微电子学院，安徽 合肥 230027)
摘要： 图像拼接的基础是将所有待拼接的图像转换到同一平面上，而透视变换矩阵描述的就是一个平面到另一个平面的投影变换，反映了图像坐标点之间的一一对应关系。但当透视变换矩阵中参数精度较低时会导致图像拼接效果不佳，拼接过程中会出现公共区域无法对接、有鬼影等现象。提出了一种基于二倍体显性机制的DNA遗传算法(AO方法)的矩阵参数优化方案，AO方法在优化效率上能以较快的速度和较高的精度搜索到问题的全局最优解，从而提高透视变换矩阵参数的精度。实验结果显示，所提出的方法能够较好地优化矩阵参数，符合期望目标。
中圖分類號：TP301
文獻標識碼：A
DOI： 10.19358/j.issn.2096-5133.2020.03.008
引用格式：方樹，陳賢富.基于二倍體顯性機制的透視變換矩陣參數優化［J］.信息技術與網絡安全，2020,39（3）：40-43，55.
文獻標識碼：A
DOI： 10.19358/j.issn.2096-5133.2020.03.008
引用格式：方樹，陳賢富.基于二倍體顯性機制的透視變換矩陣參數優化［J］.信息技術與網絡安全，2020,39（3）：40-43，55.
Parameter optimization of perspective transformation matrix based on diploid dominant mechanism
Fang Shu，Chen Xianfu
（Institute of Microelectronics,University of Science and Technology of China,Hefei 230027, China）
Abstract： The basis of image stitching is to transform all the images to be stitched to the same plane,and the perspective transformation matrix describes the projection transformation from one plane to another.However,when the accuracy of the parameters in the perspective transformation matrix is low,the image stitching effect will be poor,and in the image stitching process,the common areas will not be docked and ghosts will appear.This paper proposes a matrix parameter optimization scheme of the DNA genetic algorithm (AO method) based on the diploid dominant mechanism.The AO method can search the global optimum of the problem at a faster speed and higher accuracy in the optimization efficiency.The experimental results show that the method adopted in this paper can better optimize the matrix parameters and meet the expected goals.
Key words : perspective transformation matrix;genetic algorithm;diploid dominant mechanism;parameter optimization
0 引言
隨著科學技術的飛速發展，人們對全景圖像在不同場合應用涌現出新的要求：安防監控、無人機技術、VR技術等，圖像拼接技術也得到越來越廣泛的運用。而圖像拼接技術的重中之重在于圖像的配準。圖像配準是對圖像的重疊區域進行對齊的過程，首先是圖像特征點檢測，其次是完成特征點的匹配，再根據匹配點對的集合計算出透視變換矩陣的各個參數，最后通過透視變換矩陣完成圖像中的坐標變換。其中變換矩陣參數的精度很大程度上影響了圖像配準效果。
本文詳細內容請下載：http://m.tom3567.com/resource/share/2000003176
作者信息：
方樹，陳賢富
（中國科學技術大學 微電子學院，安徽 合肥 230027)
此內容為AET網站原創，未經授權禁止轉載。