[发明专利]CIS大幅面扫描仪的图像融合拼接方法

权利要求书

1.一种基于CIS大幅面扫描仪的图像融合拼接方法，其特征在于，包括以下步骤：

步骤一：边缘信息提取

准备一张大幅面样稿，并对其进行扫描；N根平行安装的CIS图像采集装置可获得数字图像I⁽¹⁾,I⁽²⁾...I^(k),I^(k+1)，其中k∈[1,2...N-1]；定义图像I^(k)的大小为width×height，i∈[1,2...width]，j∈[1,2...height]；

分别提取原始图像I^(k)和I^(k+1)的三个RGB分量矩阵[R^(k) G^(k) B^(k)]和[R^(k+1) G^(k+1) B^(k+1)]，其中，

利用公式

ri,j(k)=(ri,j(k)-min(R(k)))/(max(R(k))-min(R(k))+eps),k∈(1,2,...N-1)---(1)]]>

将矩阵R^(k)归一化得到γ^(k)，其中eps为浮点数极小常量，以防止除零；

基于脉冲耦合的神经网络方法的参数初始化；矩阵L,U,Y₀,Y是与γ^(k)维数相同且元素均为0的矩阵，相应网络的参数初始化为a_L＝1,a_T＝0.2,β＝0.2,v_L＝0.2,v_T＝20，θ是维数和输入图像相同且元素均为1的矩阵，迭代次数count＝15，卷积核矩阵为

K=0.70710.7071110.70710.707]]>

利用公式

Y*=Y⊗K---(2)]]>

L*=e(-aL)·L+vL·Y*---(3)]]>

U＝γ^(k)·(1+β·L^*)(4)

T*=e(-aT)·T+vT·Y---(5)]]>

Yi,j=1,ui,j-ti,j*≥00,ui,j-ti,j*<0---(6)]]>

Y₀＝Y₀+Y(7)

其中，公式(2)中的代表卷积运算；公式(6)中，u_i,j∈U，

将神经网络方法的各参数进行迭代count次，得到最终的Y₀，其中元素为0和1，即为R分量的边缘信息矩阵E^(k)|_R；

步骤二：最佳行窗口匹配

以图像I^(k)的第t行为中心，在I^(k)右侧边缘部分选取行数为m的窗口W_t^(k)，其中m＜M，M为I^(k)的总行数，m一般取值为1；同样，在图像I^(k+1)第t行左侧边缘选取相同大小的窗口W_t^(k+1)，分别在该窗口周围选取相同大小的窗口W_t^(k+1)(1)，W_t^(k+1)(2)…W_t^(k+1)(s)…，其中s为W_t^(k+1)周围的窗口计数；

利用欧拉公式

dk(k+1)(t,s)=Σ(ei,j(Wt(k))-ep,q(Wtk+1(s)))2---(8)]]>

分别计算出W_t^(k)与W_t^(k+1)(s)之间的d_k(k+1)(t,s)，选出取得min(d_k(k+1)(t,s))的窗口，记为W_t^(k+1)(s^*)；

步骤三：融合与拼接

根据窗口W_t^(k)和W_t^(k+1)(s^*)的中心坐标和计算出两窗口的位移矢量

v→k(k+1)(t,s*)=(xt(k+1)(s*)-xt(k),yt(k+1)(s*)-yt(k))---(9)]]>

分别提取窗口W_t^(k)和窗口W_t^(k+1)(s^*)的RGB分量矩阵[R^(k) G^(k) B^(k)]和[R^(k+1) G^(k+1) B^(k+1)]；

利用公式

r^i,j(k)(Wt)=ri,j(k)(Wt)×n-in+rp,q(k+1)(Wts*)×ing^i,j(k)(Wt)=gi,j(k)(Wt)×n-in+gp,q(k+1)(Wts*)×inb^i,j(k)(Wt)=bi,j(k)(Wt)×n-in+bp,q(k+1)(Wts*)×in---(10)]]>

将窗口W_t^(k)和窗口W_t^(k+1)(s^*)数据融合到窗口W_t^(k)；其中，n为窗口的总列数；

将I^(k+1)中W_t^(k+1)(s^*)窗口所在列及前列数据丢弃，得到新的m行数据；将这m行数据依次拼接到I^(k)中W_t^(k)窗口后面，形成m行完整的数据。