[发明专利]一种图像拼接方法

说明书

技术领域

本发明属于图像数据处理技术领域，具体涉及一种图像拼接方法。

背景技术

随着计算机技术的发展，各种信息的数字化存储已经十分普遍。在各种信息中，用的最多的是文字和图像信息。然而，随着人们对图像质量、精度的要求越来越高，图像拼接作为图像处理技术的一个重要分支，已经成为多媒体、医学图像处理和计算机图形学领域中的热点问题。图像拼接问题可以定义为通过对齐一系列空间重叠的图像，构成一个无缝的、高清晰的图像，它具有比单个图像更高的分辨率和更大的视野。

早期的图像拼接研究一直用于照相绘图学，主要是对大量航拍或卫星的图像的整合。近年来随着图像拼接技术的研究和发展，它使基于图像的绘制（IBR）成为结合两个互补领域——计算机视觉和计算机图形学的坚决焦点，在计算机视觉领域中，图像拼接成为对可视化场景描述（Visual Scene Representations）的主要研究方法：在计算机形学中，现实世界的图像过去一直用于环境贴图，即合成静态的背景和增加合成物体真实感的贴图，图像拼接可以使IBR从一系列真是图像中快速绘制具有真实感的新视图。

在军事领域网的夜视成像技术中，无论夜视微光还是红外成像设备都会由于摄像器材的限制而无法拍摄视野宽阔的图片，更不用说360 度的环形图片了。但是在实际应用中，很多时候需要将360 度所拍摄的很多张图片合成一张图片，从而可以使观察者可以观察到周围的全部情况。使用图像拼接技术，在根据拍摄设备和周围景物的情况进行分析后，就可以将通过转动的拍摄器材拍摄的涵盖周围360 度景物的多幅图像进行拼接，从而实时地得到超大视角甚至是360 度角的全景图像。这在红外预警中起到了很大的作用。

图像拼接技术主要分为三个主要步骤：图像预处理、图像配准、图像融合与边界平滑。图像预处理主要指图像配准前，对图像进行噪声抑制、纹理和对比度的增强以及直方图的归一化等预处理，是参考图和搜索图不存在明显的差异。图像配准主要指基于参考图和搜索图中的图像关键特征或灰度信息，寻找最佳的匹配特征点或子区域，搜索每个子区域对或特征点对之间运动向量，最终估计出两幅图像之间的全局的、线性或非线性的运动变换参数。图像融合指在完成图像匹配后，对图像进行拼接、缝合，并对缝合的边界进行平滑处理，让缝合边界区域自然过渡。

图像拼接的成功与否关键是图像配准效果。然而，通常会有不同目标区域可能存在多种非线性变换，或者存在大面积的无明显特征区域（如均匀纹理或同色等），好的图像配准算法应该能够在多种情况下准确找到图像间的对应处。然而，在实际操作中，无法在两幅图片的边界重合区域找到理想重合的像素点区域，因此留下可能留下明显的拼接痕迹或裂缝，严重影响视觉效果。由此可见，图像配准是图像拼接算法的核心和关键。根据图像配准方法的不同，图像拼接算法一般可以分为以下两个类型：

(1).基于区域相关的拼接算法。

这是最为传统和最普遍的算法。基于区域的配准方法是从待拼接图像的灰度值出发，对待配准图像中一块区域与参考图像中的相同尺寸的区域使用最小二乘法或者其它数学方法计算其灰度值的差异，对此差异比较后来判断待拼接图像重叠区域的相似程度，由此得到待拼接图像重叠区域的范围和位置，从而实现图像拼接。也可以通过FFT 变换将图像由时域变换到频域，然后再进行配准。对位移量比较大的图像，可以先校正图像的旋转，然后建立两幅图像之间的映射关系。

当以两块区域像素点灰度值的差别作为判别标准时，最简单的一种方法是直接把各点灰度的差值累计起来。这种办法效果不是很好，常常由于亮度、对比度的变化及其它原因导致拼接失败。另一种方法是计算两块区域的对应像素点灰度值的相关系数，相关系数越大，则两块图像的匹配程度越高。该方法的拼接效果要好一些，成功率有所提高。

(2).基于特征相关的拼接算法。

基于特征的配准方法不是直接利用图像的像素值，而是通过像素导出图像的特征，然后以图像特征为标准，对图像重叠部分的对应特征区域进行搜索匹配，该类拼接算法有比较高的健壮性和鲁棒性。

基于特征的配准方法有两个过程：特征抽取和特征配准。首先从两幅图像中提取灰度变化明显的点、线、区域等特征形成特征集冈。然后在两幅图像对应的特征集中利用特征匹配算法尽可能地将存在对应关系的特征对选择出来。一系列的图像分割技术都被用到特征的抽取和边界检测上。如canny 算子、拉普拉斯高斯算子、区域生长。抽取出来的空间特征有闭合的边界、开边界、交叉线以及其他特征。特征匹配的算法有：交叉相关、距离变换、动态编程、结构匹配、链码相关等算法。

发明内容