基于特征点匹配的多视点图像颜色校正方法研究【开题报告】.doc

毕业设计开题报告 电子信息科学与技术 基于特征点匹配的多视点图像颜色校正方法研究 一、选题的背景与意义 随着信息时代的日益拓新，现今存有的2D视频系统越来越不能满足人们的需求。在传统的视频系统中，真实的场景相对于一个视点的画面是由摄像师或导演选择决定的，用户只能被动地观看摄像机在单一视点上所摄制的视频图像序列，而不能自由选择其它视点来观察真实场景，这些单方向上的视频序列只能反映真实世界场景的一个侧面。而人们期望的是能够自由地选择各个不同的角度去观察和分析事物，故应时代要求产生的自由视点视频就是一种先进的视觉媒体模式，它是通过多相机系统进行捕获，各视点各自独立地接受来自同一场景的特定摄像点的视频，并通过视点绘制技术来生成任意点的视频，这样就能允许人们从不同视点和方向享受更为真实的3D图像。同时随着3D显示技术的进步，全景显示、立体视频技术得到了广泛的关注，特别是裸眼可视立体显示的出现，自由视点视频的显示已不是遥不可及的梦想。 基于3D的交互性与图像的真实感，自由视点视频在远程教育、远程监视、虚拟现实系统等方面有着良好的应用前景。但是正所谓没有一样现今世界上的事物是十全十美的，在显示其优越之处的同时不免暴露了不足，不管这不足影响是大是小。自由视点视频在实现过程中遇到的主要问题是视点间图像颜色的不一致。任意视点位置在图像采集过程中由于各相机的基线不在同一水平轴，场景光照、相机CCD噪声、快门速度和曝光等要素不一致，会导致不同相机采集的图像的颜色值差别很大，故必须对多视点图像颜色进行校正，将同一对象的不同颜色外表校正到同一颜色，然后进行分析和比较，保证分析结果尽可能可靠，这也为了后续的多视点图像压缩与任意视点绘制带来方便。 基于特征点匹配的颜色校正方法相对于其他颜色校正方法的特色之处在于利用尺度不变特征变换算法，通过提取对旋转、尺度缩放、视角变换、光照变换等因素保持不变性的特征点，可实现差异较大的两幅多视点图像之间特征的匹配，大大提高了颜色校正的鲁棒性、映射的精度，提高了对多视点图像进行编码的编码性能，并降低了运动估计和补偿过程中的预测误差，是一种有效的颜色校正方法。 研究的基本内容与拟解决的主要问题： 研究的基本内容 （1）通过尺度不变特征变换（SIFT）算法分别在参考图像和源图像之间进行极值检测找到特征点； （2）利用所检测到的特征点对源图像和参考图像的特征点进行双向匹配，确定特征点对； （3）使用乘性误差和加性误差对源图像进行颜色校正，并将校正图像转化到RGB颜色空间。 2、拟解决的主要问题 （1）特征点的取值，即如何使用尺度不变特征变换算法在尺度空间中找到参考图像和源图像的特征点。 （2）特征点的匹配，即如何利用所得到的特征点，获取匹配的特征点对。 （3）颜色校正，即如何利用实验所得对源图像进行颜色校正。 研究的方法与技术路线： 1、首先选择同一时刻由多视点相机系统拍摄的多视点图像中的一个视点图像作为参考图像，而将其它视点图像选为源图像，通过SIFT在参考图像和源图像中进行极值检测找到所有特征点。对于源图像的特征点和在参考图像中离源图像特征点最近的特征点及次近的特征点可以通过欧氏距离进行定义。 2、然后先进行从源图像特征点到参考图像特征点的单向匹配，计算两特征点的视差，再从源图像中找到特征点与参考图像中的最近特征点相匹配，并计算两特征点的视差，若上述两个视差相加之和的绝对值小于2，则可以确定源图像特征点和参考图像特征点为匹配的特征点对。 3、最后考虑由于乘性和加性误差存在而引起的在不同视点图像之间的颜色变化，我们可以对源图像的颜色用下面的公式进行校正： （1） 其中是源图像第个颜色值，是校正图像第个校正颜色值, 而代表R, G 和B三者之一。针对上面的乘性误差和加性误差可以用公式进行定义： （2） 其中Ω是所有匹配特征点对集合，定义了该函数最小化参数，是参考图像第个颜色值。 先可以利用上述求得的乘性误差和加性误差对源图像的每个像素点进行颜色校正，再将校正图像转化到RGB颜色空间，即完成该课题要求的颜色校正。 研究的总体安排与进度： 1、2010年11月——2010年12月 完成本课题相关文献资料的检索 2、2010年12月——2010年12月 对本课题有初步了解，撰写开题报告，准备开题答辩 3、2011年 1 月——2011年 3 月 撰写文献综述和翻译英文文献 4、2011年 3 月——2011年 4 月 编写C程序实现该课题的颜色校正 5、2011年 4 月——2011年 5 月 论文的撰写以及修改，并准备毕业论文答辩 五、主要参考文献： [1] P. Merkle, A. Smolic, K. Muller, et al. IEEE Trans. on