[发明专利]一种基于改进图像融合的图像拼接方法

说明书

技术领域

本发明涉及图像处理领域，特别涉及到一种基于改进图像融合的图像拼接方法。

背景技术

图像涉及到人们生活工作的各个领域。随着计算机相关领域的飞速发展，数字图像处理的应用价值被许多专家学者发现，其应用领域也在不断的壮大。数字图像处理作为一门富有前景的交叉性学科，吸引了很多来自其他科学领域的研究者参与其中，并在基础研究和工程实践中应用广泛。图像拼接技术是数字图像处理中不可或缺的一个关键分支，近年来，伴随着计算机视觉和计算机图形学的发展，图像拼接技术与其他相关技术相结合开拓了不少新兴领域，并成为研究热点。图像拼接技术的主要目的是将含有重叠区域的图像序列映射到同一坐标系下合成为一幅大尺度和宽视角的全景图像。全景图像拼接技术作用领域广泛，目前已普遍应用于虚拟现实、智能交通、灾害预警、军事作战、医疗等多个领域。虚拟现实是一种由计算机系统生成动态的三维立体图像的技术，是近几年来图像处理的热点，图像拼接技术可以用在虚拟现实技术三维立体场景的绘制和重建中，是虚拟现实中一项必不可少的基本技术，利用拼接技术可以生成全方位的三维全景图像,用全景图表示实景可代替三维场景建模。在数字图像拼接技术出现之前，人们通过专业全景照相机旋转拍摄或者手动拼接获取全景图像，这些方法不仅实施困难而且获得的全景图效果不佳。而如今仅仅一台数码相机和计算机图像拼接技术，任何人都可以制作出视角惊人的全景照片。作为图像拼接的重心，配准和融合是图像拼接中不可或缺的部分。精确的图像配准是图像顺利融合的前提,传统图像配准算法的计算时间复杂度高、速度慢、精度低，无法适应大量图像的拼接，图像配准技术的准确性和实时性在一定程度上决定了图像拼接的效果；图像融合算法是为了消除重叠部分区域的色彩过渡不均和伪影问题，高效的图像融合算法可以有效地提高了图像信息的利用率，改善全景图质量，因此研究图像拼接相关算法是十分必要的。

现有的图像拼接技术主要采用SIFT算法进行特征点提取，利用基于KD-tree 结构的BBF算法，利用RANSAC算法去除误匹配并估算参数模型完成特征点匹配，最后使用加权平均融合方法进行图像融合。SIFT算法能够提取大量的特征，并且对于旋转、缩放和尺度变化保持不变性，对视角变化和噪声也有很强的鲁棒性，被广泛应用。但是SIFT提取的特征点存在很多不显著的特征点，冗余性高。这是由于SIFT特征检测算法是基于线性尺度分解的，在构建图像金字塔时采用线性高斯扩展滤波法。高斯滤波鲁棒性虽强，但是会损失图像边界信息，会造成对象边界缺失等问题，从而牺牲了局部精度，影响了特征点定位精度和特殊性。加权平均融合简单，复杂度低，运算速度快，但是容易降低图像的对比度，并且在一定程度上导致图像的边界模糊，并不能达到十分满意的融合效果。拉普拉斯多分辨率融合打破了加权平均融合的局限性，无论是在清晰度还是在细节保留方面效果都明显优于加权平均融合，但是存在算法复杂性高，运算速度较慢的缺点。因此，提供一种准确性高、实时性高的一种基于改进图像融合的图像拼接方法就很有必要。

发明内容

本发明所要解决的技术问题是现有技术中存在的准确度低、实时性低问题。提供一种新的一种基于改进图像融合的图像拼接方法，该一种基于改进图像融合的图像拼接方法具有准确性高、实时性高的特点。

为解决上述技术问题，采用的技术方案如下：

一种基于改进图像融合的图像拼接方法，所述方法包括：

(1)使用A-KAZE算法对目标图像及参考图像分别进行特征点提取，建立特征描述子集合；

(2)将步骤(1)中从目标图像及参考图像中获得的特征描述子集合，构建KD-tree，建立特征点数据索引，使用双向KNN匹配算法进行特征点匹配，得到集合C，集合C中的匹配对为初始匹配的结果，对初始匹配结果使用 RANSAC算法剔除外点保留内点，计算目标图像及参考图像间的仿射变换矩阵 H，将目标图像及参考图像统一到同一坐标系下，得出配准图像，完成图像配准；所述特征描述子集合包括特征点位置、方向及尺寸；

(3)根据步骤(2)中图像配准结果，使用改进的基于拼接缝的拉普拉斯多分辨率融合算法进行图像融合，所述改进的基于拼接缝的拉普拉斯多分辨率融合算法包括使用动态规划的方法寻找最优拼接缝，根据最优拼接缝限定融合范围，最后使用拉普拉斯多分辨率融合算法在限定后的融合范围内进行融合，完成图像拼接。