[发明专利]基于旋转模型的鱼眼图像准稠密对应点匹配扩散方法

权利要求书

1.一种基于旋转模型的鱼眼图像准稠密对应点匹配扩散方法，其特征在于步骤如下：

S1：从不同位置拍摄两幅待匹配场景的鱼眼图像I，I′，并提取和匹配两幅图像的特征点；

S2：对匹配的特征点进行精确定位，并计算这些特征点的相似性大小和旋转变换模型，然后将相似性大于某一阈值C_T的特征点作为后续准稠密对应点扩散的初始种子点，并把这些种子点存入集合S；

S3：根据相似性大小从种子点集合S中选出相似性最大的种子点作为最优种子点，同时从种子点集合中去除该种子点；然后从当前最优种子点开始，在其邻域实现无极几何约束的准稠密对应点扩散；

S4：将扩散的对应点作为新的种子点，保存到种子点集合S，并且计算这些新种子点的旋转变换模型和相似性大小。

S5：如果当前种子点集合S不为空，那么转步骤S1；

S6：利用已得到的准稠密对应点估计极几何约束，然后利用此约束重新进行带极几何约束的准稠密对应点扩散。

在S3和S6的准稠密对应点扩散过程中，局部视差约束采用旋转变换模型，具体讲，已知图像I，I′中的一对种子点为x，x′，x和x′邻域象素点分别为N(x)和N(x′)，假设将种子点设为对应邻域的局部坐标系原点，且种子点邻域对应的旋转矩阵为R，那么在当前种子点邻域进行对应点扩散过程中，对任意一点p₁∈N(x)，其在I′中可能的匹配点视差限制条件为{p₂：p₂∈N(x′)且||p₂-Rp₁||≤ε}。

2.根据权利要求1所述的一种基于旋转模型的鱼眼图像准稠密对应点匹配扩散方法，其特征在于S2中精确定位的方法是：

S21：将I₁，I₂中以对应特征点为中心，邻域半径为r的子图像分别转换到极坐标系，得到两个子图像I′₁，I′₂；

S22：对子图像I′₁，I′₂，采用相位相关法，求得两子图像的相对旋转角度θ₀；

S23：以对应特征点的初始对应坐标和S22计算得到的相对旋转角度θ₀为初值，灰度相关性为代价函数，采用Levenberg-Marquat算法在原图像I₁，I₂中通过迭代优化，得到对应特征点的精确对应位置和相对旋转角度的精确值θ，同时也可得到对应特征的相对旋转变换矩阵：

R=cosθ-sinθsinθcosθ]]>

3.根据权利要求1或2所述的基于旋转模型的鱼眼图像准稠密对应点匹配扩散方法，其特征在于：准稠密对应点扩散是在归一化的图像中进行的。