[发明专利]中高速传感器网络图像数据融合的方法

说明书

技术领域

本发明涉及传感器网络技术，具体涉及中高速传感器网络环境中图像数据的融合方法。

背景技术

近年来，多传感器信息融合特别是多传感器图像融合是国内外的研究热点，它在自动目标识别、计算机视觉、机器人、遥感、医学图像处理和军事运用等领域有着广泛的运用。所谓图像数据融合就是对来自不同图像传感器的图像的数据加以联合、相关和组合以获得更加准确而全面信息。通过图像数据融合算法将两个或者多个具有互补和冗余特征的图像融合成新的图像，使得融合后的图像能最大限度利用互补信息，减小冗余，从而获得更高的清晰度和可理解性，而且为进一步的图像处理如图像分割、目标检测和识别等提供了更有效的信息。图像数据融合从下面几个方面提高了中高速传感器网络的性能：

(1)扩展了系统的覆盖范围，能够获得更加丰富的环境信息。

(2)融合过程中消除了各个传感器之间存在的冗余数据，能够有效减小网络负载和节点的负担。

(3)提高系统的可靠性和鲁棒性，因为数据是从多个传感器获得，单一个或者多个传感器失效或者出现错误时，系统仍然继续工作。

中高速传感器网络是指具有实时性要求的传感器网络，包括工业实时控制的传感器网络和无线多媒体传感器网络等新型传感器网络，网络中信息传输速率在512kbit/s以上。不同于传统的低速传感器网络，传统的传感器网络往往只需要处理数据量很少的标量数据，而在中高速传感器网络需要实时处理大量的多媒体数据，不但网络中的节点的工作任务大大加大，对于网络带宽的需求也是成倍增加，在这种情况下，中高速传感器网络的数据融合就显得尤为必要。

发明内容

本发明的目的在于克服现有技术存在的上述不足的问题，提供中高速传感器网络图像数据融合的方法。本发明通过如下技术方案实现：

中高速传感器网络图像数据融合的方法，中高速传感器网络中的簇由处理节点、工作节点及无线连接组成，每个工作节点通过无线网络连接两个摄像头采集图像数据，所述方法包括如下步骤：

(1)工作节点采集完图像数据后，分别提取两幅图像的特征，采用优先KD树特征进行匹配，利用匹配的特征使用RANSAC算法求取图像间的单应性矩阵，根据单应性矩阵做两幅图像的融合，将融合的结果和图像的特征发送至处理节点；

(2)处理节点把收到的特征进行全局特征匹配，根据全局特征匹配结果建立图像的无向图，对于每一个无向图中的图像数据，处理节点采用Levenberg-Marquardt算法优化图像投影参数，所述图像投影参数包括俯仰角、偏转角、绕相机光轴旋转角及相机光心偏移，在获取图像投影参数后，再次采用Levenberg-Marquardt算法对摄像头的径向畸变进行校正和曝光度均衡，利用优化后的图像投影参数把所有图像投影到球面坐标进行融合，对于不能融合的图像进行转发到其他处理节点或者舍弃；

(3)处理节点每隔一段时间重复步骤(2)，并根据簇内节点拓扑结构的变化调整间隔时间。

上述的中高速传感器网络图像数据融合的方法中，每个工作节点通过无线网络连接两个摄像头，每个工作节点中的所述两个摄像头的视角存在重叠区域，且所有摄像头采集的图像的像素精度和图像大小一致。

上述的中高速传感器网络图像数据融合的方法中，步骤(1)工作节点所提取特征为改进的尺度不变特征，提取方法为：

(1.1)构造octvs×intvls的图像高斯尺度空间，其中

octvs＝log(min(img_width，img_heigth))/log(2)-2，min为取最小值，intvls＝6，img_width为图像的宽度，img_heigth为图像的高度，将相邻尺度空间图像相减得到高斯差分空间；

(1.2)求取高斯差分空间的极值：设高斯差分空间中间层图像img_mid的像素点坐标为(x，y)，图像img_mid的上一层设为图像img_high，im_mid的下一层为图像img_low，图像img_high和图像img_low内的像素点坐标分别为(x’，y’)、(x”，y”)，像素点(x，y)邻域内的8个像素点设为集合PT1，像素点(x’，y’)及(x’，y’)邻域内的8个像素点设为集合PT2，像素点(x”，y”)及(x”，y”)邻域内的8个像素点设为集合PT3，x＝x’＝x”，y＝y’＝y”，，将像素点(x，y)与集合PT1 U PT2 U PT3内的像素点逐一进行比较，求得最大值或最小值的极值点，采用三维二次函数拟合的方法对极值点精确定位，保存精确定位后的极值点(x，y)；