管道内壁图像拼接的局部对齐与接缝优化方法

摘要

管道内壁图像拼接是实现管道缺陷全局检测的关键，但低纹理、重复结构及透视畸变等特性使传统方法难以准确对齐与自然融合。为此，提出一种面向管道内壁的局部对齐与接缝优化方法。首先，采用尺度不变特征变换（Scale-Invariant Feature Transform,SIFT）提取特征点，通过剔除一对多匹配、位移直方图主峰筛选及随机采样一致性（Random Sample Consensus,RANSAC）构成多层级误匹配过滤，实现初始几何对齐并估计单应变换。其次，在重叠区域内利用图割能量最小化获得初始接缝。最后，针对初始接缝穿过的局部错位区域，采用结构相似性指数（Structural Similarity Index,SSIM）与Otsu自适应阈值识别错位位置，引入尺度不变特征变换流（SIFT Flow）进行稠密重对齐，并采用Sigmoid函数对位移场进行边界平滑调制，进而重新计算局部接缝并加权融合。实验结果表明，该方法能有效抑制重影与结构错位，在重复纹理和曲面透视变形等复杂场景下生成视觉无缝的拼接结果，为管道内壁缺陷的定量检测提供了高质量的全景图像基础，具有良好的工程应用前景。

关键词

管道内壁图像 / 图像拼接 / 接缝优化 / 局部对齐