[发明专利]一种基于SIFT特征点匹配的图像拼接方法

权利要求书

1.一种基于SIFT特征点匹配的图像拼接方法，其特征在于，首先提取两幅待拼接图像的SIFT特征点，并生成每一个特征点的特征描述符，针对生成的描述符对两幅图像进行匹配，根据匹配提纯后的特征点对确定融合区域，对两幅待拼接的图像进行图像融合。

2.如权利要求1所述一种基于SIFT特征点匹配的图像拼接方法，其特征在于，所述生成特征描述符，具体采用双向2DPCA方法：提取特征点周围41×41的邻域，计算邻域内每个像素点水平方向和垂直方向的梯度，将特征描述符转化为一个39×78维的矩阵X；计算前n₁大的特征值所对应的投影矩阵W₁和前n₂大的特征值所对应的投影矩阵W₂，最终得到特征矩阵Y＝W₂XW₁。

3.如权利要求2所述一种基于SIFT特征点匹配的图像拼接方法，其特征在于，所述n₁、n₂的值分别为8、4。

4.如权利要求1所述一种基于SIFT特征点匹配的图像拼接方法，其特征在于，还包括以下步骤：对特征点进行提纯，采用匹配特征点对之间的几何一致性来对特征点进行粗提纯，具体方法如下：

(1)图像A和B表示待匹配的图像，特征点集分别取图像A和图像B粗匹配点的集合a＝(a₁,a₂,…,a_n)和b＝(b₁,b₂,…,b_n)，计算粗匹配点集的尺度比值集合M_σ，角度差值集合N_θ；

(2)获得图像尺度缩放的比例m_σ，图像旋转的角度n_θ；

(3)依次求出|M_σ-m_σ|和|N_θ-n_θ|的值，如果这两个值少于阈值T，保留此匹配点，否则，剔除此点。

5.如权利要求4所述一种基于SIFT特征点匹配的图像拼接方法，其特征在于，阈值T的取值是0.02。

6.如权利要求1所述一种基于SIFT特征点匹配的图像拼接方法，其特征在于，还包括以下步骤：通过计算单应性矩阵来确定两幅图像的重叠区域，具体方法如下：

(1)从N个匹配点中随机选取4对匹配点。假设(x,y)是第一幅图像匹配点的坐标，(x',y')是第二幅图像匹配点的坐标，利用这4组匹配点，我们可以求出单应性矩阵中m₀-m₇的值；

(2)求出单应性矩阵后，我们可以用单应性矩阵求出匹配图像1在图像2对应的匹配特征点。假设此时在图像2中求出的匹配点坐标为(x”,y”)，然后我们计算真实的匹配特征点(x',y')和(x”,y”)的欧式距离；

(3)设定一个阈值，如果在第二步中计算出来的欧式距离少于设定的阈值，我们定义这样的点为一个内点。否则定义这样的点为一个外点，记录内点的总数；

(4)重复步骤(1)和步骤(3)，找到内点最多的单应性矩阵。规定这个单应性矩阵为最后的单应性矩阵；

(5)利用单应性矩阵，可以计算出第二幅图像的匹配点在第一幅图像中对应的位置。根据单应性矩阵可以计算出第二幅图像的4个顶点相应的位置，然后就可以用它们的坐标来确定两幅图像的重叠区域。

7.如权利要求1所述一种基于SIFT特征点匹配的图像拼接方法，其特征在于，对两幅待拼接的图像进行图像融合采用的是Contourlet变换方法，具体步骤如下：

图像a是重叠区域在图像A中的部分，图像b是重叠区域在图像B中的部分，对图像a和b分别进行Contourlet变换分解，可以求得各自的Contourlet变换系数Y_a和Y_b。定义融合系数为Y_f；

对于低频信息，使用平均值融合法：

而对于高频信息，如果DFB分解参数l_j≠0，则让Y_f(i)＝max{|Y_a(i)|,|Y_b(i)|}；

如果DFB分解参数l_j＝0，应该考虑这一层采用小波变换。然后利用小波变换技术对系数进行处理。小波变换的低频信息：高频信息：Y_f(i)＝max{|Y_a(i)|,|Y_b(i)|}

计算出融合系数之后，进行Contourlet逆变换求出融合图像。