[发明专利]一种基于图像特征点的最优投影柱面半径确定方法

说明书

本文公开了一种基于图像特征点的最优投影柱面半径确定方法，属于图像拼接技术领域。本发明首先提取并匹配待拼接图像的图像特征点对；剔除不稳定的匹配关系，获得稳定的匹配特征点对集合，求取几何变换矩阵；根据匹配特征点对集合，列出观测方程和几何约束方程；对焦距参数进行优化调整，得到最优焦距值集合，计算最优投影柱面半径。本发明计算简便，克服了传统柱面图像拼接需要知道拍摄时相机的焦距来做投影柱面半径的弊端，极大地扩展了全景柱面图像拼接的使用范围，有效地改善了拼接图像的视觉质量。

技术领域

本发明属于图像拼接技术领域，特别涉及一种基于图像特征点的柱面变换半径确定方法。

背景技术

图像拼接技术从出现以来一直是图像处理领域的研究热点，是获得大视角图像的主要技术手段之一，通过数幅甚至数十幅以上有重叠的小视角，小分辨率图像，配准拼接融合出一幅保留原来所有图像信息的高分辨广角图像，广泛应用在航空航天，医学技术，军事领域。图像拼接技术不仅能有效避免广角镜头因为物理原因造成的图像边缘畸变，还具有成本低，效果好，视觉质量高的巨大优势。

柱面图像拼接作为图像拼接技术一个很重要的方法，是当今全景图像拼接的主要手段。其原理是将一系列的待拼接图像投影到一个统一的圆柱面上，对投影完成的柱面图像再进行图像拼接操作，可以有效的避免图像拼接过程中产生的偏折错位问题，而且柱面拼接更加符合人眼的特性，视觉质量有很大的提高。但是该过程必须知道拍摄一系列待拼接图像时摄像机的焦距值，才能确定投影圆柱面的半径。因此，传统意义上的柱面图像拼接应用范围受到了极大地限制。在不清楚相机焦距的情况下如何确定柱面变换半径，对于整个柱面图像拼接过程，起着至关重要的作用。

目前可以确定图像焦距的方法主要有两种，一种是基于模糊判定的方法，另外一种是基于多视点几何的方法。前者通过模拟相机镜头的特性，基于概率，通过对图像进行多尺度的比对，优化选出一个合适的焦距值。但是该方法计算效率差，在复杂场景下，计算结果并不理想。基于多视几何的方法，是现在主要的方法，根据序列图像中某些特征，通过几何关系，列出一系列方程组，求解出相应的参数变量。这种方法的优点是计算精确度高，缺点是理论复杂，计算量非常巨大，对误差十分敏感且对摄像机设备要求较高。

发明内容

本发明的发明目的在于：针对传统柱面图像拼接中必须知道拍摄时的焦距来做柱面变换半径的弊端，提供了一种在图像拼接处中，基于图像特征点的柱面变换半径确定方法应来扩展柱面全景图像的应用范围，提高摄像机焦距未知情况下拼接图像的视觉效果。

本发明的基于图像特征点的柱面变换半径确定方法，包括下列步骤：

步骤1：输入待拼接图像序列；

步骤2：提取待拼接图像序列中有重叠区域的两幅，提取并匹配该组图像的图像特征点对。为了提高对复杂场景的适应性，本方法采用SIFT特征点作为图像特征点。即首先提取两幅图像的SIFT特征点，通过两幅图像特征点描述子之间的欧式距离匹配图像特征点(基于预设的阈值，通常设置为0.5)，得到匹配完成的SIFT特征点对集合；

步骤3：剔除不稳定的错误的匹配，计算两幅图像间的几何变换矩阵。由于采用阈值方法匹配的特征点对会存在不稳定的错配现象，因此，需要剔除不稳定的匹配。为了进一步提高剔除效果，本文采用随机抽样一致性算法来对匹配的特征点对进行筛选，得到及其稳定的匹配特征点对集合。在该点对集合的基础上，我们定义图像几何变换矩阵来表示两幅有重叠区域图像之间的几何变换关系。其中a,b,c,d,e,f,g,h均为图像几何变换参数。利用已经匹配的特征点对坐标，根据x＝Hy，列出方程组计算该几何变换矩阵。x＝[x y 1]^T,y＝[u v 1]^T,分别为已经匹配的特征点对几何中的一组匹配点。

步骤4：列出观测方程：为了进一步提高焦距值计算效率，本文采用中心成像模型来对观测方程进行几何描述。首先定义相机参数矩阵f为相机焦距。中心成像模型可以用下式描述：