[发明专利]一种基于改进的逼近投影变换图像拼接方法

说明书

技术领域

本发明属于图像处理技术领域，尤其涉及图像拼接技术领域。

背景技术

图像拼接技术就是将数张有部分重叠的图像拼接成一幅大型的无缝高分辨率图像的技术。使用普通相机获取宽视野的场景图像，因为相机的分辨率一定，拍摄的场景越大，得到的图像分辨率越低；而全景相机、广角镜头等不仅非常昂贵，且失真严重。为了在不降低图像分辨率的条件下获取超宽视野，甚至360度的全景图，出现了利用计算机进行图像拼接方法。

图像拼接技术主要分为三个主要步骤：图像预处理、图像配准以及图像融合，图像预处理主要指图像配准前，将图像进行噪声抑制、纹理和对比度的增强以及直方图的归一化等预处理，使参考图和待配准图不存在明显的差异。图像预处理主要是为图像配准做准备，让图像质量能够满足图像配准的要求，如果图像质量不理想时不经过图像预处理就进行图像配准，很容易造成两幅图像中的一些子区域之间或特征点之间的误匹配。

图像配准主要指基于参考图和待配准图中的图像关键特征或灰度信息，寻找最佳匹配的特征点对或图像子区域对，计算每个特征点对或子区域对间的运动向量，并估计两幅图像之间的全局的线性或非线性的运动变换参数。一般采用最小二乘法估计全局的运动变换参数，而且由于处理时间上的限制，参数估计和特征点匹配都是通过一次迭代完成。

图像融合指在完成图像匹配以后，对图像进行拼接、缝合，并对缝合的边界进行平滑处理，让缝合边界区域自然过渡。

图像拼接的成功与否关键是图像的配准效果。然而，通常的待配准的图像之间，不同目标区域可能存在多种非线性变换，或者存在大面积的无明显特征区域(如均匀纹理区域或同色区域等)，这些情况大大增加了图像配准的难度。

现有技术中，逼近投影变换(APAP)的图像拼接方法大致上分为四步，即特征提取、特征匹配、求H矩阵、图像融合，在特征提取步骤中采用的是SIFT特征描述子，在后期匹配过程中匹配速度慢且配准不准确。

发明内容

本发明为克服上述情况不足，旨在提供一种配准精确且省时的图像拼接方法，可实现图像无缝拼接。

一种基于改进的逼近投影变换图像拼接方法，包括S1：图像预处理；S2：图像特征点提取；S3：基于光流金字塔的图像特征点匹配；S4：基于MDLT算法和RANSAC算法估计投影变换矩阵；S5：计算每块的投影变换矩阵；S6：图像的无缝拼接；

所述S1图像预处理的方式包括噪声抑制、纹理和对比度的增强以及直方图的归一化，还包括对摄像机的镜头进行标定，根据图像失真的原因建立相应的数学模型，利用标定的参数对被污染或畸变的图像进行校正；

所述S2图像特征点提取采用的是BRISK和/或ORB特征描述子。

进一步的，所述BRISK特征描述子的提取过程如下：

第一步：构建尺度空间；

在BRISK算法进行特征点检测过程中，建立的尺度图像金字塔分为n个八度(octave)层与n个内部(intra-octave)层，每两个相邻的八度层之间有一个内部层；第i个八度层用ci表，第i个内部层用di表示，其中i＝{0,1,...,n-1}；ci、di层与原图像的尺度关系用t表示如下：t(ci)＝2ⁱ，t(di)＝2ⁱ*1.5；

第二步：特征点检测；

在第一步中，n＝4，得到8张图像，对这8张图像进行FAST9-16角点检测；对原图像img进行一次FAST5-8角点检测，当做d(-1)虚拟层，得到9幅有角点信息的图像；

第三步：非极大值抑制；

第四步：特征点位置拟合；

首先，在特征点所在的尺度图像、前一个尺度图像和后一个尺度图像的分值邻域，对FAST得分值进行最小二乘的二维二次函数插值，得到得分极值点及其精确的坐标位置；再对尺度方向进行一维插值，得到极值点所对应的尺度；

第五步：计算特征点的特征描述子；

以特征点为中心，在其周围采样N个点，采样模式是以特征点为中心，构建不同半径的同心圆，然后在每个同心圆中取一定数目的等间隔采样点，得到包括特征点在内的N个采样点；对每个采样点进行了方差为δ的高斯滤波，滤波半径大小与高斯滤波核的标准差成正比，最终用到的N个采样点是经过高斯平滑后的采样点，N的取值范围为50～70；

由于有N个采样点，则采样点两两组合成一对，共有种组合方式，所有组合方式的集合称作采样点对，表示如下：