为实现深井钻孔内壁形态的高质量全景可视化,克服传统图像拼接方法在自动化水平、拼接质量及处理效率方面的局限,提出了一种融合YOLOv11s(You Only Look Once)与结构相似性(Structural Similarity Index Method)的智能图像拼接方法。研...为实现深井钻孔内壁形态的高质量全景可视化,克服传统图像拼接方法在自动化水平、拼接质量及处理效率方面的局限,提出了一种融合YOLOv11s(You Only Look Once)与结构相似性(Structural Similarity Index Method)的智能图像拼接方法。研究旨在突破现有技术对人工干预依赖性强、易产生接缝、亮度不均及视觉伪影等瓶颈,提升钻孔内壁图像拼接的精度、连续性与整体效率,为后续钻孔质量评估与爆破设计参数优化提供高保真、高一致性的视觉数据支持。在技术方法上,引入轻量化YOLOv11s目标检测网络,充分利用其深层特征提取能力与多尺度检测优势,精准识别钻孔图像中的圆形边界,自动提取圆心坐标与半径参数,有效克服因镜头畸变、光照不均或局部遮挡引起的定位偏差;随后,基于精确的几何参数进行极坐标变换,将环形内壁区域逐帧展开为矩形图像,保留原始纹理信息的同时构建空间有序的展开图集。在此基础上,创新性地融合SSIM结构相似性度量与滑动窗口匹配策略,通过系统分析相邻展开图像在重叠区域内的亮度、对比度与结构一致性,自适应搜索最优配准位置,实现高效、无缝的图像拼接,最终生成完整内壁环状全景图。试验结果表明,该方法在处理240张图像时,拼接耗时仅为34.98 s,同样实验条件下,相较于传统SIFT特征点匹配方法所需的271.35 s,该方法耗时更短且拼接结果具有更高的视觉连贯性与几何保真度,抑制了接缝错位、亮度跳变和纹理重复等常见问题。创新在于提出了一种自动化拼接流程,融合YOLOv11s与SSIM算法,提升了拼接效率与视觉质量。展开更多
文摘为实现深井钻孔内壁形态的高质量全景可视化,克服传统图像拼接方法在自动化水平、拼接质量及处理效率方面的局限,提出了一种融合YOLOv11s(You Only Look Once)与结构相似性(Structural Similarity Index Method)的智能图像拼接方法。研究旨在突破现有技术对人工干预依赖性强、易产生接缝、亮度不均及视觉伪影等瓶颈,提升钻孔内壁图像拼接的精度、连续性与整体效率,为后续钻孔质量评估与爆破设计参数优化提供高保真、高一致性的视觉数据支持。在技术方法上,引入轻量化YOLOv11s目标检测网络,充分利用其深层特征提取能力与多尺度检测优势,精准识别钻孔图像中的圆形边界,自动提取圆心坐标与半径参数,有效克服因镜头畸变、光照不均或局部遮挡引起的定位偏差;随后,基于精确的几何参数进行极坐标变换,将环形内壁区域逐帧展开为矩形图像,保留原始纹理信息的同时构建空间有序的展开图集。在此基础上,创新性地融合SSIM结构相似性度量与滑动窗口匹配策略,通过系统分析相邻展开图像在重叠区域内的亮度、对比度与结构一致性,自适应搜索最优配准位置,实现高效、无缝的图像拼接,最终生成完整内壁环状全景图。试验结果表明,该方法在处理240张图像时,拼接耗时仅为34.98 s,同样实验条件下,相较于传统SIFT特征点匹配方法所需的271.35 s,该方法耗时更短且拼接结果具有更高的视觉连贯性与几何保真度,抑制了接缝错位、亮度跳变和纹理重复等常见问题。创新在于提出了一种自动化拼接流程,融合YOLOv11s与SSIM算法,提升了拼接效率与视觉质量。
