[发明专利]基于旋转不变LBP-SURF特征相似度的图像拼接评价方法

权利要求书

1.基于旋转不变LBP-SURF特征相似度的图像拼接评价方法，其特征在于，包括以下步骤：

步骤1：读入拼接前的两幅图像与拼接后的图像，分别记为矩阵I₁、I₂和I₃；

步骤2：根据步骤1获取的矩阵I₁、I₂和I₃分别构建尺度空间；

步骤3：使用构建Hessian矩阵的方法对步骤2构建的尺度空间进行处理；

步骤4：利用步骤3获取的处理后的尺度空间进行特征点定位；

步骤5：对步骤4定位的特征点进行主方向分配；

步骤6：沿着步骤5确立的特征点主方向生成特征点描述子；

步骤7：利用旋转不变LBP算法对步骤1获取的矩阵I₁、I₂和I₃提取旋转不变LBP特征，并将其合并到步骤6的特征点描述子，得到合并后的特征点描述子；

步骤8：利用步骤7得到的合并后的特征点描述子进行双向匹配得到粗匹配的特征点，即匹配点对；

步骤9：随机从步骤8中确立的匹配点对中随机抽出至少四对样本数据，且抽取的样本之间不共线，计算出变换矩阵H；

步骤10：利用步骤9获得的变换矩阵H将一幅图像中的匹配点投影到另一幅图像中，计算匹配点之间的欧氏距离，若欧氏距离小于距离阈值则将匹配点加入内点集，否则该匹配点不加入内点集；计算完所有匹配点对之间的欧式距离后，比较此次投影计算得到的内点数量与上一次计算的内点数量，若大于则将此次得到的内点集保存，删除之前计算得到的内点集，小于等于时本次得到的内点集不保存；重复步骤9、步骤10达到设定次数；

步骤11：利用步骤10获得的内点集即最终匹配点对图像拼接质量进行评价。

2.根据权利要求1所述的基于旋转不变LBP-SURF特征相似度的图像拼接评价方法，其特征在于，步骤2中构建的尺度空间由若干组图像构成，每一组中包含若干层，不同组间图像的尺寸一致，但不同组间使用的盒式滤波器的模板尺寸逐渐增大，模板的尺寸计算公式如下：

FilterSize＝3×(2^octave×interval+1)

其中，Filter Size为滤波器的模板尺寸，octave为组数，interval为层数；

同一组间不同层间使用相同模板尺寸的滤波器，但是滤波器的模糊系数逐渐增大，其计算公式如下：

σ＝(2^octave+1(interval+1)+1)/3

其中σ为滤波器的模糊系数。

3.根据权利要求2所述的基于旋转不变LBP-SURF特征相似度的图像拼接评价方法，其特征在于，步骤3对步骤2中每一组的每一层图像使用Hession矩阵进行处理，通过特定核间的卷积计算二阶偏导数，进而计算出Hessian矩阵的三个矩阵元素Lxx,Lxy,Lyy，从而计算出Hessian矩阵，其公式为：

其中，σ是标准差，Lxx为x方向的二阶偏导，Lxy为先对x方向求二阶偏导，再对y方向求二阶偏导，Lyy为对y方向求二阶偏导；

由于使用的是盒式滤波器，所以Lxx简化为Dxx、Lxy简化为Dxy、Lyy简化为Dyy，每一个像素点得出Hession矩阵，将Hession矩阵的行列式的值作为该点在经过Hession矩阵处理后的值，其公式如下：

det(Hession)＝Dxx*Dyy-(0.9*Dxy)²

其中，det(Hession)为Hession矩阵行列式的值，Dxx、Dxy、Dyy分别为Dxx、Dxy、Dyy经盒式滤波器简化而来。

4.根据权利要求3所述的基于旋转不变LBP-SURF特征相似度的图像拼接评价方法，其特征在于，步骤4中特征点定位具体为：在经过步骤3处理后的每一组图像中选取相邻的三层矩阵，对于中间层的每一个值都作为待比较的点，在空间中选取该点周围的26个点进行比较大小，若该点大于其他26个点，则该点为初步特征点，否则跳过该点，同时设置阈值a，若初步特征点的值小于阈值a的值，则将该点剔除，否则将该点保留，筛选出最终的稳定的特征点。