[发明专利]场景和光照变化条件下的图像高精度配准方法

说明书

本发明涉及一种场景和光照变化条件下的图像高精度配准方法，步骤包括：相机重定位、L与F的初始化、照明校正、相机几何位置校正。本发明提出了多尺度低秩显著性检测方法，并通过运用基于GMM的协同显著性先验，将多尺度低秩显著性检测推广到多幅图像协同显著性检测中，以检测多幅图像中出现的相同或相似的区域。与传统的显著性检测方法相比，本发明所提出的低秩多尺度超像素融合算法解决了尺度选择困难的问题，并取得了更可靠的显著性检测结果。

技术领域

本发明属于图像配准领域，涉及一种面向场景和光照变化下对高值图像高精度配准方法。这个方法将相机的快速重定位技术应用到场景与光照都发生变化的图像高精度配准问题中，以相机重定位过程中与上次观测图像出现的1个主方向图像与6个辅方向图像对当前图像高精度配准为目标。

背景技术

本发明中涉及到的背景技术有：

(1)变化探测(Change Detection)：变化探测是高层视觉应用的重要预处理步骤。在变化探测中的探测步骤和决策规则中，CDNet提供了一个现实的大规模基准视频数据集，并且在变化探测算法中保持很好的排名。基于最近新提出的许多算法，例如SOBS、SC_SOBS，Sub SENSE等，CDNet中的背景建模是最成功的策略之一。其他值得一提的发展包括基于变化探测的三维体素(3Dvoxel)和使用多个全景图与三维深度数据的城市规模结构变化探测。为了解决光照变化与相机运动的影响，目前最优秀的方法着眼于探测空间与光度上显著的变化，并且含蓄得处理像噪音一样的微妙变化。然而，在一些发生在空间与光度变化不重要的小尺度上，这种基础的假设很大程度上限制了其对于微妙的纹理变化探测的能力。我们的发明表明低秩分析(low-rank analysis)可以用来分解多幅图片中的稀疏变化。

(2)色彩连续性(Color Constancy)：在变化探测中，快速的色彩连续性被广泛应用到校正光照变化。由于实时速度的要求，大多数变化探测方法只能用简单的静态色彩连续性处理办法，这样就限制了其容忍频繁且剧烈的光照变化的能力。除此之外，本征图像可以用来校正同一场景下不同光照的差别。近来，本征图像的分解已经被进一步扩展到多种组成部分，包括从一张或者多张图片中分解的形状、光照、反射率等。但是，最近的这些发展或者需要复杂的优化函数，或者需要在密集的照明条件下捕获多张图片，这使得它们并不能直接适用于低成本、端对端、纹理细密的变化探测。

(3)几何校正(Geometry Correction)：几何校正是另一个在具有鲁棒性的变化探测中不可或缺的组成部分。针对刚性场景的传统方法包括相似性、仿射或投影变换。对于非刚性的动态场景，光流可以用来校正有错位的相机几何体的偏差。我们的发明考虑到多照明约束的条件，采用了扩展的SIFT流来进行几何校正。

发明内容

本发明针对现有技术在高值场景中精确探测到有细密纹理的图像变化的不足，将相机重定位应用到精细的变化探测中，通过获取场景、光照变化下的图像，提供一种端对端由粗到细保证变化探测健壮性与精确性的新技术，有利于进一步提高对有微妙细密纹理变化探测能力。

为此，本发明采用如下的技术方案，主要包括下列步骤：

1.相机重定位：

收集不同时间的场景观测样本。在一个场景中采集7张图片：1个环境照明和6个定向侧照明。这些图片被存储为列向量。

给定X作为上述7个照明所组成的矩阵如下：

其中，1≤k≤K，K为侧照明定向的个数(这里取K＝6)。

将当前的相机重定位到与上次观测相近的角度和位置，通过与上次观测的多张DSL比对后粗略调整，获取当前的观测矩阵Y：

相机重定位步骤：