[发明专利]一种基于改进的SURF算法的图像拼接方法

权利要求书

1.一种基于改进的SURF算法的图像拼接方法，其特征在于，包括以下步骤：

(1)对输入图像进行预处理，缩小图像尺寸；

(2)对预处理后的图像采用改进的SURF算法进行特征点提取；

(3)对提取的特征点进行粗匹配，然后应用劳氏算法初步筛选匹配效果良好的特征点；

(4)应用RANSAC算法，对已经标记出特征点的两张图像进行误匹配特征点对剔除并求解变换矩阵；

(5)根据所求变换矩阵，将待拼接图像通过变换矩阵进行变换后与基准图像进行叠加；

(6)采用线性加权运算，将两幅图像融合，完成图像拼接。

2.根据权利要求1所述的一种基于改进的SURF算法的图像拼接方法，其特征在于，所述步骤(2)包括以下步骤：

(21)引入特征点区域限制函数限制特征点的区域范围在图像周边；

(22)构建多尺度空间，改变高斯滤波器的窗口大小获得不同尺度的图像；图像经过不同尺寸盒子滤波器的滤波处理，生成多幅Hessian行列式图像，构成图像金字塔；

(23)将经过Hessian矩阵处理过的每个像素点在其3×3×3的三维领域内进行非极大值抑制，记录特征点位置；

(24)选取特征点主方向：以尺度值为s的特征点为圆心，在半径为6s的圆内使用尺寸为4s的Harr小波模板来计算梯度，选取小波特征总和最大的方向为主方向；

(25)以特征点为圆心，取20s×20s的正方形窗口，将窗口划分为16个大小为5s×5s的子窗口；统计子区域内25个像素的水平和垂直方向的harr小波特征，得到一个4维向量v＝(∑d_x，∑|d_x|，∑d_y，∑|d_y|)，每个特征点形成4×16个特征描述子用以描述该特征点。

3.根据权利要求1所述的一种基于改进的SURF算法的图像拼接方法，其特征在于，所述步骤(3)实现过程如下：

选取图像I₁中的一个特征点t₁，与图像I₂的所有特征点求取欧氏距离，从中选出最近欧式距离特征点和次近欧式距离特征点，距离分别为d₁，d₂，计算二者的比值，若小于预先设定的阈值T₁则认为是正确匹配的特征点，将正确匹配的特征点相连，否则视为错误匹配。

4.根据权利要求1所述的一种基于改进的SURF算法的图像拼接方法，其特征在于，所述步骤(4)包括以下步骤：

(41)从步骤(3)筛选出的特征点对中随机选取n对匹配点，计算变换矩阵H，记为模型M；

(42)计算n对特征点以外的其他特征点与模型M的投影误差d_i，并设定阈值T₂，当d_iT₂，视为内点，加入内点集N，否则视为外点；

(43)如果当前内点集N元素个数大于N_best，更新N_best＝N；

(44)设置迭代次数：

其中，p为置信度，w为内点所占比例；执行步骤(41)～(43)k次，当循环结束时，得到最优的变换模型M_best，其对应的H即为最优变换矩阵。

5.根据权利要求1所述的一种基于改进的SURF算法的图像拼接方法，其特征在于，所述步骤(5)通过以下公式实现：

设X＝[x,y,1]^T，X'＝[x',y',1]^T，

X'＝HX

其中，X，X’分别是待拼接图像和基准图像的一对匹配特征点，h₁,h₂,h₄,h₅表示图像旋转量和尺度，h₃表示水平位移，h₆表示垂直位移，h₇,h₈表示水平和垂直方向的变形量。

6.根据权利要求1所述的一种基于改进的SURF算法的图像拼接方法，其特征在于，所述步骤(6)的实现过程如下：

设I₁(x,y)，I₂(x,y)分别表示两幅图像在位置(x,y)处的像素值，I(x,y)表示融合后图像的像素值：

其中，w_i(x,y)是加权函数，width是图像重叠区域的宽度，dis_i(x)是该像素点距离第i幅图像边缘的距离。