一種基于改進(jìn)動(dòng)態(tài)規(guī)劃的最佳拼接線搜索方法

陳丹丹 方發(fā)明 劉惠燕

1(華東師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系 上海 200062)2(中國(guó)華藝廣播公司 福建 福州 350000)

0 引 言

圖像拼接[1]技術(shù)是將一組在空間上存在重疊部分的小視野圖像序列進(jìn)行處理，組合成一幅自然無(wú)縫的高分辨率圖像。圖像拼接是圖像處理領(lǐng)域里的一個(gè)研究熱點(diǎn)，在計(jì)算機(jī)視覺(jué)、攝影測(cè)量學(xué)、醫(yī)學(xué)影像分析等領(lǐng)域均有著廣泛的應(yīng)用價(jià)值。

經(jīng)典的圖像拼接流程包括圖像配準(zhǔn)[2]和圖像融合[3]兩個(gè)重要步驟。圖像配準(zhǔn)指根據(jù)圖像重疊區(qū)域的特征點(diǎn)對(duì)[4]，計(jì)算出兩幅圖像之間的投影變換關(guān)系[5]，用于將待匹配圖像映射到同一坐標(biāo)系下。此時(shí)，若拼接圖像在重疊區(qū)域的像素值直接取兩幅原圖對(duì)應(yīng)像素之間的線性加權(quán)值[6]或者基于多波段融合的值[7]，很容易致使拼接好的圖像在重疊區(qū)域出現(xiàn)目標(biāo)錯(cuò)位或者偽影等影響拼接質(zhì)量的問(wèn)題。為了使得圖像拼接技術(shù)能夠適應(yīng)視角偏差較大、重疊部分有移動(dòng)物體等難以配準(zhǔn)的圖像場(chǎng)景，基于最佳拼接線[8-11]縫合待拼接圖像的方法得到了廣泛的應(yīng)用。最佳拼接線是由重疊區(qū)域的一系列坐標(biāo)點(diǎn)連接而成，一條好的拼接線會(huì)消減甚至避免紋理差異或者移動(dòng)目標(biāo)等造成的拼接后影像上的重影、模糊效果?；谧罴哑唇泳€的圖像拼接流程如圖1所示。

圖1 基于本文改進(jìn)的最佳拼接線的圖像拼流程圖

當(dāng)前，國(guó)內(nèi)外對(duì)圖像拼接過(guò)程中的尋找最佳拼接線的方法已有較為深入的研究。2003年，方賢勇等[12]提出基于動(dòng)態(tài)規(guī)劃原理來(lái)尋找最佳拼接線的方法。該方法在計(jì)算能量函數(shù)時(shí)過(guò)分強(qiáng)調(diào)了圖像的顏色差異，而忽略了圖像結(jié)構(gòu)紋理的重要性，使得拼接線兩側(cè)灰度過(guò)渡不是很連續(xù)。Tang等[13]提出了一種基于貪婪算法的最佳拼接線搜索方法，但由于拼接線搜索路徑由上至下，加上搜索方向的限制，往往找到的都是局部最佳路徑，導(dǎo)致拼接線經(jīng)常從移動(dòng)物體上切過(guò)。2013年，文獻(xiàn)[14]提出了一種新穎的最佳拼接線搜索方法，根據(jù)相似性準(zhǔn)則分別為圖像中的像素分配兩個(gè)不同的標(biāo)簽，并據(jù)此將圖像分成兩個(gè)部分。雖然該方法可以避過(guò)較大的移動(dòng)目標(biāo)，但計(jì)算量相對(duì)于動(dòng)態(tài)規(guī)劃的時(shí)間復(fù)雜度較大。

針對(duì)上述問(wèn)題，本文主要做了以下兩點(diǎn)改進(jìn)：(1)根據(jù)顏色和紋理的相似性構(gòu)造了一個(gè)新的用于搜索最佳路徑節(jié)點(diǎn)的能量函數(shù)，其充分考慮了像素鄰域信息。(2)本文對(duì)傳統(tǒng)動(dòng)態(tài)規(guī)劃算法中只搜索當(dāng)前點(diǎn)在其下一行正對(duì)的三個(gè)相鄰點(diǎn)，改為搜索它下一行中的所有點(diǎn)，從而能夠在構(gòu)造的能量函數(shù)上找出一條全局最佳拼接線。沿著該拼接線將兩幅初配準(zhǔn)好的圖像縫合到一起，便可以實(shí)現(xiàn)無(wú)偽影的圖像拼接。實(shí)驗(yàn)表明，由本文算法找到的最佳拼接縫可以成功地繞過(guò)重疊區(qū)域中較大的物體。

1 傳統(tǒng)的動(dòng)態(tài)規(guī)劃拼接算法

最佳拼接線搜索主要包括兩個(gè)步驟：

(1) 計(jì)算能量函數(shù)：根據(jù)重疊區(qū)域圖像的顏色和紋理的相似性信息，構(gòu)建出一個(gè)能量函數(shù)，用于最佳拼接線的搜索。

(2) 最佳拼接線搜索：利用一種搜索算法在能量函數(shù)上找出一系列坐標(biāo)點(diǎn)(能量值越小的點(diǎn)說(shuō)明該點(diǎn)對(duì)應(yīng)的顏色和紋理越相似)，組成一條能量值之和最小的拼接線。

1.1 計(jì)算能量函數(shù)

1.1.1 相似性準(zhǔn)則定義

通常，較好的拼接線應(yīng)該使得縫合線上的點(diǎn)對(duì)應(yīng)的兩幅圖像差異最小，即選擇兩幅圖像之間對(duì)應(yīng)內(nèi)容相同或者極為相似的地方走。文獻(xiàn)[8]中將相似性準(zhǔn)則概括為以下兩點(diǎn)：

(1) 在顏色強(qiáng)度上，縫合線上的點(diǎn)在兩幅原圖上對(duì)應(yīng)點(diǎn)的亮度差異最小。

(2) 在幾何結(jié)構(gòu)上，縫合線上的點(diǎn)在兩幅原圖上對(duì)應(yīng)點(diǎn)的結(jié)構(gòu)最相似。

1.1.2 本文提出的能量函數(shù)

根據(jù)美國(guó)國(guó)家電視制式委員會(huì)，在NTSC制式下，亮度通道Y與RGB空間中的紅(R)、綠(G)、藍(lán)(B)三色光的關(guān)系可用如下的方程描述：

Y=0.3R+0.59G+0.11B

(1)

遵循1.1.1節(jié)描述的相似性準(zhǔn)則，本文根據(jù)重疊區(qū)域的內(nèi)容提出了新的能量函數(shù)。在度量亮度差異和紋理差異時(shí)均充分利用了其8鄰域像素的信息。首先，我們定義重疊部分對(duì)應(yīng)的亮度差異：

z(x,y)=|z1(x,y)-z2(x,y)|

(2)

式中:(x,y)表示像素坐標(biāo)，z1和z2分別表示經(jīng)式(1)計(jì)算得到的重疊區(qū)域的灰度圖，z表示兩幅灰度圖之間的亮度差異圖(如圖2所示)。從圖2中可以得知重疊區(qū)域中大部分圖像內(nèi)容的亮度和結(jié)構(gòu)是非常相近的，因?yàn)橄袼刂捣浅Ｐ∩踔翞? 的地方占了很大一部分(圖2中黑色的部分所示)，而白色或者可見(jiàn)的部分則是兩幅圖像在重疊部分的亮度或者紋理的差異所致。

圖2 亮度差異圖

根據(jù)亮度差異圖，我們通過(guò)梯度算子(Roberts算子)計(jì)算出重疊部分的結(jié)構(gòu)差異圖e:

(3)

為了將亮度差異和結(jié)構(gòu)差異關(guān)聯(lián)到一起，我們使用如下公式為重疊部分的每個(gè)像素點(diǎn)計(jì)算一個(gè)權(quán)重F:

(4)

式中:Ci表示p點(diǎn)的8鄰域像素，第一項(xiàng)和第二項(xiàng)分別為p點(diǎn)周?chē)藗€(gè)像素的亮度差異之和與結(jié)構(gòu)差異之和。然后分別給它們乘以一個(gè)系數(shù)，進(jìn)而得到重疊部分每個(gè)點(diǎn)的權(quán)重F(p)。根據(jù)相似性準(zhǔn)則的定義，結(jié)構(gòu)差異對(duì)能量函數(shù)的影響需要遠(yuǎn)遠(yuǎn)大于亮度差異的影響，因此我們?nèi)ˇ?=0.1、ω2=0.9。

最后，我們?yōu)橹丿B區(qū)域的每個(gè)像素都利用式(4)計(jì)算出對(duì)應(yīng)的權(quán)值，并將它們與式(3)得到的結(jié)構(gòu)差異圖相乘，得到最后的能量函數(shù)E：

E=e°F

(5)

式中:° 表示矩陣的點(diǎn)對(duì)點(diǎn)相乘。

圖3為根據(jù)式(5)得到的能量函數(shù)對(duì)應(yīng)的圖像，和圖2對(duì)比，發(fā)現(xiàn)此圖更強(qiáng)調(diào)目標(biāo)的邊緣和結(jié)構(gòu)而更加清晰而弱化了顏色亮度的差異，符合相似性準(zhǔn)則中規(guī)定的結(jié)構(gòu)差異的影響更重要。本文提出的能量函數(shù)主要是通過(guò)設(shè)置ω1和ω2的值來(lái)控制這二者所占的比例。

圖3 能量函數(shù)圖

1.2 傳統(tǒng)的動(dòng)態(tài)規(guī)劃搜索策略

在1.1節(jié)得到的能量函數(shù)圖(圖3)上，使用傳統(tǒng)動(dòng)態(tài)規(guī)劃算法檢索出一條可以盡量避免切割重疊區(qū)域內(nèi)物體的拼接線。其具體實(shí)現(xiàn)步驟如下：

1) 假設(shè)能量函數(shù)圖中第一行各列像素點(diǎn)都對(duì)應(yīng)一條縫合線，其能量值大小均初始化為其對(duì)應(yīng)的當(dāng)前點(diǎn)能量值。

2) 從第二行開(kāi)始，為其每一個(gè)點(diǎn)在上一行中選取一個(gè)最佳路徑節(jié)點(diǎn)。選取的具體方法是比較當(dāng)前點(diǎn)正對(duì)的上一行中3個(gè)相鄰點(diǎn)的能量值，將其中的最小值對(duì)應(yīng)的列記錄下來(lái)，并將該最小值與當(dāng)前點(diǎn)對(duì)應(yīng)的能量值相加來(lái)更新縫合線的能量值：

M(i,j)=E(i,j)+

min(M(i-1,j-1),M(i-1,j),M(i-1,j+1))

(6)

式中：M(i,j)表示縫合線當(dāng)前的能量值;E(i,j)表示當(dāng)前點(diǎn)對(duì)應(yīng)的能量值。

3) 如果縫合線當(dāng)前點(diǎn)為圖中最后一行的點(diǎn)，則進(jìn)行步驟4，否則返回步驟2，進(jìn)行下一次擴(kuò)展。

4) 選擇能量值最小的路線作為最佳縫合線：如果重疊區(qū)域中的每一列都已經(jīng)按照上述步驟計(jì)算出一條拼接線，便可從這些拼接線中選擇出最小能量值對(duì)應(yīng)那條拼接線作為最佳拼接線。

但是，由于傳統(tǒng)動(dòng)態(tài)規(guī)劃算法在查找拼接線時(shí)，拼接節(jié)點(diǎn)只能在當(dāng)前節(jié)點(diǎn)上一行中正對(duì)的三個(gè)相鄰的點(diǎn)中選取(如圖4(a)中的三個(gè)小圓圈所示)，并且每一行只能選擇一個(gè)點(diǎn)作為拼接點(diǎn)，這極大地限制了拼接線的走向，很容易導(dǎo)致得到拼接線從重疊區(qū)域內(nèi)較大的目標(biāo)上穿過(guò)。圖4(c)中模擬的輸入圖像在重疊區(qū)域存在障礙物的場(chǎng)景，黑色虛線為傳統(tǒng)的動(dòng)態(tài)規(guī)劃算法得到的拼接線，根據(jù)傳統(tǒng)方法的算法思想，該拼接線必然會(huì)穿過(guò)圖中的障礙物。

圖4 兩種動(dòng)態(tài)規(guī)劃拼接算法示意圖的比較

2 改進(jìn)的動(dòng)態(tài)規(guī)劃拼接算法及其實(shí)現(xiàn)

傳統(tǒng)查找拼接線的動(dòng)態(tài)規(guī)劃算法在搜索方向上有所限制，容易使得分割線從物體上切割過(guò)去，從而破壞了物體的完整性。為了得到一條走向更加靈活的拼接線，我們對(duì)傳統(tǒng)查找最佳拼接線的動(dòng)態(tài)規(guī)劃算法在搜索方向上做了改進(jìn)。

2.1 改進(jìn)的動(dòng)態(tài)規(guī)劃算法

傳統(tǒng)的動(dòng)態(tài)規(guī)劃查找拼接線時(shí)，路徑節(jié)點(diǎn)只能選擇當(dāng)前點(diǎn)在相鄰行的緊鄰的三個(gè)點(diǎn)，并且每一行都只能選擇一個(gè)點(diǎn)作為拼接縫上的點(diǎn)。本文將傳統(tǒng)的只查找三個(gè)點(diǎn)改進(jìn)為可以查找一行中所有的點(diǎn)(如圖4(b)所示)，并且同一行中可以選擇多個(gè)點(diǎn)作為拼接線上路徑節(jié)點(diǎn)。改進(jìn)后的拼接線可以有水平方向的走向，進(jìn)而繞過(guò)重疊區(qū)域內(nèi)較大的移動(dòng)目標(biāo)。

假設(shè)我們通過(guò)數(shù)學(xué)方法計(jì)算出了重疊區(qū)域開(kāi)始的第一列C1，和重疊區(qū)域結(jié)束的最后一列C2，現(xiàn)在只要根據(jù)本文的動(dòng)態(tài)規(guī)劃算法找出C2-C1條最佳拼接線，并從中選擇出能量值最小的路線作為本文要找的最佳拼接線。本文改進(jìn)后的動(dòng)態(tài)規(guī)劃搜索最佳拼接線的詳細(xì)步驟如下：

1) 初始化兩個(gè)尺寸大小和E(E為1.1節(jié)中得到的能量函數(shù)圖)一樣的二維零矩陣M和Path，并且將E的第一行的值賦給M的第一行。

2) 從第二行開(kāi)始，為第C1列到第C2列中的每一個(gè)點(diǎn)在上一行中選取一個(gè)或多個(gè)路徑節(jié)點(diǎn)。選取的具體方法是比較當(dāng)前點(diǎn)在上一行中所有點(diǎn)的計(jì)算值，每一個(gè)點(diǎn)(i-1,k)處的值由該點(diǎn)在M中對(duì)應(yīng)的能量值與式(7)中定義的S(i-1,k,j)相加得到。盡管S(i-1,k,j)會(huì)隨著k遠(yuǎn)離j而增大，但是當(dāng)前縫合線對(duì)應(yīng)的能量值M(i-1,k)可能是變小的，所以可能會(huì)出現(xiàn)距離坐標(biāo)(i-1,j)越遠(yuǎn)的點(diǎn)對(duì)應(yīng)的計(jì)算值小于距離(i-1,j)越近的點(diǎn)。正因如此，本文算法才可以使得上一行中任意一個(gè)點(diǎn)都有可能成為拼接線上的拼接節(jié)點(diǎn)。

(7)

式中:S(i-1,j,k)表示第i-1行中的第k列到第j列之間所有的點(diǎn)在E中的對(duì)應(yīng)的能量值之和。

比較得到的第i-1行中每一個(gè)點(diǎn)的計(jì)算值，將最小值對(duì)應(yīng)的列k保存在矩陣Path中(i,j)點(diǎn)，并將該最小值與當(dāng)前點(diǎn)(i,j)對(duì)應(yīng)的能量值E(i,j)相加來(lái)更新當(dāng)前縫合線的能量值：

M(i,j)=E(i,j)+

(8)

式中:col=C2-C1，即重疊部分的列數(shù)。

3) 如果縫合線當(dāng)前點(diǎn)為重疊區(qū)域內(nèi)最后一行的點(diǎn)，則進(jìn)行第4步，否則返回第2步，進(jìn)行下一次擴(kuò)展。

4) 選擇能量值最小的路線作為最佳縫合線。根據(jù)得到能量值最小的那條拼接線在圖像最后一行中的位置，從Path中反推出剩下的每一行中路徑節(jié)點(diǎn)位置。將這些位置根據(jù)圖4(c)示意的方法連接起來(lái)便得到一條可以沿水平方向行走的最佳拼接線。本文改進(jìn)算法的具體實(shí)現(xiàn)步驟見(jiàn)算法1。

算法1本文改進(jìn)的最佳拼接線搜索算法

輸入: 重疊區(qū)域z1和z2,重疊區(qū)域的掩碼圖像mask。

初始化:

ω1=0.1

ω2=0.9

fori∈(1,2) do

zi=0.3×zi(:,:,1)+0.59×zi(:,:,2)+0.11×zi(:,:,3)

end

z(x,y)=|z1(x,y)-z2(x,y)|

∥z為重疊區(qū)域亮度差異圖

∥e為重疊區(qū)域結(jié)構(gòu)差異圖

forpi∈maskdo

end

p=pcolor+pedge

//p為重疊區(qū)域內(nèi)每個(gè)像素點(diǎn)的權(quán)重

forpi=maskdo

spi(x,y)=epi(x,y)×ppi(x,y)

end

forpi=maskdo

M(i,j)=E(i,j)+

end

L=min(M)

輸出: 最佳拼接線L

2.2 圖像縫合

首先，根據(jù)得到的最佳縫合線L分別生成兩幅以拼接后圖像的大小為尺寸的掩碼圖像。將拼接線上以及拼接線左邊填充為白色(像素值全設(shè)置為1)，右邊填充為黑色(像素值全設(shè)置為0)，得到掩碼圖圖5(左)。同理，圖5(右)為右圖的掩碼圖。 然后，將兩幅原圖分別點(diǎn)乘對(duì)應(yīng)的掩碼圖像，再疊加到一起就得到了最后拼接圖。最后生成的拼接圖像的像素值可以用公式表示：

(9)

圖5 最佳拼接線分割后的掩碼圖像

3 實(shí)驗(yàn)結(jié)果與分析

為了說(shuō)明本文算法的有效性和優(yōu)越性，分別對(duì)兩組實(shí)驗(yàn)圖使用傳統(tǒng)算法和本文改進(jìn)算法進(jìn)行多次最佳拼接線搜索，然后從主觀視覺(jué)與客觀數(shù)據(jù)兩方面進(jìn)行對(duì)比分析。本文實(shí)驗(yàn)的PC環(huán)境為Intel(R) Core(TM) i7-4770 CPU, 3.4 GHz，編程語(yǔ)言為MATLAB 2016a。

3.1 實(shí)驗(yàn)結(jié)果主觀分析

3.1.1 實(shí)驗(yàn)1

圖6(a)和(b)分別為輸入圖像[15]，其中(a)在重疊區(qū)域有一輛車(chē)，(b)中則沒(méi)有。若直接使用傳統(tǒng)的線性融合方法或者多波段融合方法融合圖像，就會(huì)導(dǎo)致重疊區(qū)域出現(xiàn)偽影或者錯(cuò)位。針對(duì)這種情況，通過(guò)使用最佳拼接線來(lái)縫合圖像，盡量保證原有目標(biāo)的完整性的同時(shí)實(shí)現(xiàn)無(wú)偽影的圖像拼接。

圖6(c)和(d)是基于最佳拼接線縫合得到的拼接圖，圖中的黑線表示搜索到的最佳拼接線。從(c)中可以看出，由傳統(tǒng)的動(dòng)態(tài)規(guī)劃算法得到的拼接線雖然成功地繞過(guò)了重疊區(qū)域的汽車(chē)，但是卻從天空中的云朵和建筑物的一角切了過(guò)去。圖中兩個(gè)黑色方框圈出來(lái)的地方，從右上角被放大的圖中可以看出建筑物在分割線的兩側(cè)出現(xiàn)了錯(cuò)位。而本文改進(jìn)的動(dòng)態(tài)規(guī)劃找到的最佳拼接線(如圖6(d)所示)可以沿著云朵的邊緣走下去，并繞過(guò)了建筑物、人群等明顯的目標(biāo)，使最終的拼接結(jié)果更加自然。可以看出，本文拼接線有水平方向的走向，而傳統(tǒng)的拼接線由于搜索路徑的限制，只能選擇當(dāng)前點(diǎn)下一行中正下方的緊鄰的三個(gè)點(diǎn)中的一個(gè)，因此該拼接線最大只能沿45°方向劃分。

(a) 輸入圖像1 (b) 輸入圖像2

(c) 基于傳統(tǒng)搜索算法的拼接圖

3.1.2 實(shí)驗(yàn)2

圖7中的輸入圖像(a)和(b)來(lái)自(https://github.com/yihui-he/panoram)。對(duì)于這組輸入圖像，兩種方法都得到了較好的結(jié)果，如(c)和(d)所示。盡管傳統(tǒng)的方法找到的拼接線((c)中的黑線)從房子后面的那顆大樹(shù)上穿過(guò)((c)中的黑色方框)，但這種目標(biāo)場(chǎng)景下并看不出該拼接線有影響到圖像的接質(zhì)量。不過(guò)，相比之下本文改進(jìn)算法找到的拼接線((d)中黑線)，依然選擇繞過(guò)房子后邊的大樹(shù)((d)中的黑色方框)，盡可能地保留物體的完整性。

(a) 輸入圖像1 (b) 輸入圖像2

(c) 基于傳統(tǒng)搜索算法的拼接圖

(d) 基于本文改進(jìn)的拼接圖圖7 實(shí)驗(yàn)2結(jié)果

3.2 實(shí)驗(yàn)結(jié)果客觀分析

3.1節(jié)中的拼接結(jié)果展示了本文算法的有效性，相比于傳統(tǒng)的算法可以得到更加自然的結(jié)果。接下來(lái)，我們分別對(duì)圖6和圖7中的輸入數(shù)據(jù)進(jìn)行了20次拼接實(shí)驗(yàn)。每次實(shí)驗(yàn)時(shí)分別計(jì)算本次實(shí)驗(yàn)中的傳統(tǒng)方法與本文方法得到的最佳拼接線對(duì)應(yīng)的能量值的和，以及拼接線上拼接點(diǎn)的個(gè)數(shù)。然后分別計(jì)算出它們的均值，得到如表1和表2中的數(shù)據(jù)。

表1 最佳拼接線上所有點(diǎn)的能量值之和

表2 最佳拼接線上所有點(diǎn)的個(gè)數(shù)之和

從表1中可以看出：本文算法得到最佳拼接線上點(diǎn)的能量值的和都小于傳統(tǒng)的方法。仔細(xì)對(duì)比表1中的數(shù)據(jù)，可以發(fā)現(xiàn)每一組實(shí)驗(yàn)數(shù)據(jù)都顯示了本文改進(jìn)后的動(dòng)態(tài)規(guī)劃算法得到的能量值之和比傳統(tǒng)的方法小10%。

表2中的數(shù)字表示的是最佳拼接線上所包含的拼接點(diǎn)的個(gè)數(shù)。表中的數(shù)據(jù)顯示，本文算法得到的最佳拼接線上點(diǎn)的個(gè)數(shù)明顯多于傳統(tǒng)方法的。這主要是因?yàn)閭鹘y(tǒng)的動(dòng)態(tài)規(guī)劃搜索算法每一次只搜索三個(gè)點(diǎn)，然后從三個(gè)點(diǎn)中選取一個(gè)作為當(dāng)前行的一個(gè)拼接點(diǎn)。而本文改進(jìn)后的動(dòng)態(tài)規(guī)劃需要搜索一整行中所有的點(diǎn)，并且每一行中可能會(huì)有很多個(gè)點(diǎn)被選中為拼接點(diǎn)。盡管這樣會(huì)帶來(lái)時(shí)間復(fù)雜度的提升，但是本文方法保證能找到從上至下的一條最優(yōu)的路徑，而且復(fù)雜度的提升也在可容忍的范圍內(nèi)。傳統(tǒng)動(dòng)態(tài)規(guī)劃算法的時(shí)間和空間復(fù)雜度都為N×M，本文改進(jìn)后算法只有時(shí)間復(fù)雜度變?yōu)镹×M×M(N和M分別為圖像的行和列個(gè)數(shù))，空間復(fù)雜度依然保持不變。

4 結(jié) 語(yǔ)

本文深入研究了圖像拼接中用于消除偽影、錯(cuò)位等問(wèn)題的最佳拼接線搜索算法。首先根據(jù)相似性準(zhǔn)則定義，提出了一個(gè)考慮相鄰像素信息的能量函數(shù)。然后對(duì)傳統(tǒng)的動(dòng)態(tài)規(guī)劃搜索方法在搜索方向上進(jìn)行了改進(jìn)，能夠有效避免切割重疊區(qū)域中的大部分目標(biāo)，保證目標(biāo)的完整性。改進(jìn)后的動(dòng)態(tài)規(guī)劃算法可應(yīng)用于拼接視差較大或者重疊區(qū)域存在較大移動(dòng)物體的場(chǎng)景圖，主要消除拼接影像中的偽影和錯(cuò)位，從而得到一幅更加自然的拼接圖像。