针对煤矿井下环境的复杂性及图像拼接算法本身的局限性,提出了一种矿井监控图像自动快速拼接算法。该算法在结合Harris算法和SIFT算法优点的基础上,利用改进的RANSAC算法对提取出来的特征点进行提纯匹配以及模型参数估计,使算法抗尺度变化能力和抗噪性能得到很大改善,同时采用位置敏感散列算法,提高了图像拼接的成功率与实时性。实验结果表明,该算法具有很好的鲁棒性和快速拼接能力,能够应用于矿井监控图像的自动拼接。

将图像拼接技术引入到煤矿领域。结合煤矿井下环境的特点,提出了一种稳健的基于曲率尺度空间的拼接(CSSM)算法。该算法使用改进后的自适应阈值CSS角点检测算法提取特征点,利用相似测度NCC提取初始特征点对,并通过RANSAC删除伪匹配对,达到精确匹配,通过渐入渐出融合法实现无缝拼接。

研究煤矿井下图像拼接的算法,探讨井下环境光照不均、强噪声的图像拼接问题。用当前流行的四种特征点检测算法,如Moravec算子、Forstner算子、Harris角点检测算法和CSS角点检测算法提取井下图像的特征点,分析得出CSS角点检测算法更适合井下工作环境的结论。用CSS角点检测算法提取待拼接图片特征点,通过归一化互相关系数(NCC)提取特征点匹配对,并通过RANSAC删除伪匹配对,最终实现无缝拼接。