[发明专利]一种用于视频监控的多尺度柱面投影全景图像生成方法

权利要求书

1.一种用于视频监控的多尺度柱面投影全景图像生成方法，包括如下步骤：

步骤一、截取待拼接图像的预设重叠区域，并投影到柱面，获得柱面投影图像；

步骤二、针对所述步骤一中得到的柱面投影，利用不同尺度的高斯滤波建立图像在各尺度下的子图像，对各尺度的图像采用改进的Harris方法寻找特征点，并根据特征点所在的子图像尺度信息采用SURF算子求这些特征点在该尺度下的特征向量；

步骤三、针对所述步骤二中求出的特征点，求得各特征点的特征向量之间的欧氏距离，寻找匹配的特征点对，并采用多次迭代求内点数的方法对特征点对进行过滤，求得最优单应性矩阵；

步骤四、根据所述最优单应性矩阵及所述单应性矩阵下的各内点坐标，求得拼接接缝的坐标以及待拼接图像实际重叠区域；

步骤五，针对所述步骤四中拼接接缝左右实际重叠区域内的待拼接图像像素点进行色度的调整以消除待拼接图像之间的接缝，求得待拼接图像之间的相对位移并将各待拼接图像拼接在一起经裁剪得到最终的全景图像。

2.根据权利要求1所述的一种用于视频监控的多尺度柱面投影全景图像生成方法，其特征在于，所述步骤一中对柱面投影图像的获取过程，具体步骤如下：

首先，对于待拼接图像上的一点，假设其投影后在柱面图像上的对应点为，根据柱面投影算法，已知待拼接图像的宽度和高度，求出投影后的图像宽度和高度，具体公式如下：

；

；

其中，为拍摄焦距，表示待拼接图像的宽度，表示待拼接图像的高度；

将待投影图像横向边缘坐标即和代入的计算公式，求得投影图像的横向边缘坐标，从而可以得到投影后的图像宽度为；

将待投影图像横向边缘坐标即，纵向边缘坐标即代入的计算公式，求得投影后的图像高度为；

进一步地，对投影后图像中的任意点，采用投影逆变换公式求得其在待投影图像中对应点的坐标为，均为整数，，为0和1之间的数；求点处的像素点值，即需要求得点周围的四个像素点的值，点周围的四个像素点的坐标为，，，；

进一步地，根据这四个点的像素值，采用双线性插值的方式求得点处像素点的值，双线性插值的公式为：

；

其中，表示待投影图像中坐标为处的像素点的坐标值；

将得到的投影图像作为待拼接图像进行步骤二的拼接操作。

3.根据权利要求1所述的一种用于视频监控的多尺度柱面投影全景图像生成方法，其特征在于，所述步骤二中，利用不同尺度系数的高斯滤波器建立图像在各尺度下的子图像，求取该尺度下的特征向量的具体步骤如下：

首先，利用不同尺度系数的高斯滤波器建立图像在各尺度下的子图像，首先构建尺度空间，不同尺度下各坐标位置像素点的值的计算公式为：

；

；

其中，表示不同尺度下各坐标位置像素点的值，表示像素点坐标，表示像素点灰度值，表示尺度可变高斯函数，表示尺度值，为常数；

进一步地，Harris算子是一种基于信号的角点特征提取算子，Harris特征检测算法的基本原理为取以目标像素点为中心的一个小窗口，计算窗口沿任何方向移动后的灰度变化，从而得到整幅图像的特征点，具体处理过程为：

求得各像素点处的自相关矩阵：

；

其中，表示自相关矩阵，表示自然对数的底数，是一个无限不循环小数，取值为2.71828，、表示此处像素点在方向及方向上的梯度值；

(2)根据求得的自相关矩阵，求得各像素点处的改进型Harris角点响应函数：

；

其中，表示自相关矩阵的行列式值，表示自相关矩阵的秩，为一个很小的值，用于避免当为0时出现计算错误，取值为0.0001，表示图中相应像素点的兴趣值，兴趣阈值选为最大兴趣值的0.001倍，如果一个点的值大于兴趣阈值，则把该点判定为特征点；

进一步地，针对找到的特征点，采用SURF算子计算其特征向量，具体操作过程如下：

在每个特征点周围选取一个正方形框，框的边长为20s，s指检测到的该特征点所在的子图像的尺度，把该框分为16个子区域，每个子区域统计25个像素的水平方向和垂直方向的Haar小波特征，此处的水平方向和垂直方向都是相对主方向而言的；该Haar小波特征值分别为水平方向值之和，水平方向绝对值之和，垂直方向之和，垂直方向绝对值之和；每个子区域都算出这4个Haar小波特征值，16个区域总共产生64个特征参数，即总共64维的特征向量。