[发明专利]一种基于B-spline的图像拼接特征点提取算法

权利要求书

1.一种基于B-spline的图像拼接特征点提取算法，其特征在于：所述方法通过以下步骤实现：

步骤一、对采集到的不同图像进行预处理、去噪、增强以及仿射变换处理；

步骤二、利用B样条函数构造B-spline图像金字塔尺度空间；

步骤三、基于步骤二构造的尺度空间，在尺度空间每层金字塔上采用Fast算法提取图像中特征点，采用Shi-Tomasi角点响应函数按角点响应值排序，选取前N个特征点，使用BRIEF描述法对特征点进行描述；

步骤四、通过描述子对图像进行不同图像的特征点匹配；

其中，特征点匹配是先使用汉明距离进行粗匹配，然后再使用RANSAC算法优化匹配点；

步骤五、采用基于最佳接缝线的拉普拉斯融合技术，将不同图像进行融合。

2.根据权利要求1所述的一种基于B-spline的图像拼接特征点提取算法，其特征在于：步骤三所述的采用Fast算法提取图像中特征点的过程为，所述的FAST法全称为FeaturesFrom Accelerated Segment Test，首先从图片中选取一个像素P，其灰度值为I_P；以像素点P为中心取一个半径等于3像素圆，这个圆的边界上有16个像素，设定一个阈值t；将这16个像素点依次与像素点P的灰度值相比较，当这16个像素点出现n个像素点的灰度值比I_P+t大或者比I_P-t小，那么像素点P就是一个角点；n的值可以设置为12或者9；在ORB算法中n的值取为9。

3.根据权利要求1或2所述的一种基于B-spline的图像拼接特征点提取算法，其特征在于：步骤三所述的Shi-Tomasi角点响应函数表示为：

R＝min(λ₁,λ₂)

式中：λ₁和λ₂为式(10)矩阵M的特征值。

4.根据权利要求3所述的一种基于B-spline的图像拼接特征点提取算法，其特征在于：步骤三所述的使用BRIEF描述法对特征点进行描述的过程为，BRIEF全称Binary RobustIndependent Elementary Features描述子，是一种二进制位串的描述子方法，

在特征点周围选择一个经过平滑处理S×S大小的区域p，每个点对比较像素值输出为：

其中：

I(p；x)为区域p中点x的灰度值；I(p；x)为区域p中点y的灰度值在区域p中对n_d个点对完成操作最终得到了二进制字符串为：

ORB算法中将这n_d个点对(x_i,y_i),i＝1,2,......,n_d组成一个矩阵S：

使用邻域方向θ和对应的旋转矩阵R_θ，构建S的一个校正版本S_θ：

S_θ＝R_θS

其中，θ为特征点的主方向：

最终得到Steer BRIEF描述子：

5.根据权利要求1、2或4所述的一种基于B-spline的图像拼接特征点提取算法，其特征在于：步骤四所述的通过描述子对图像进行不同图像的特征点匹配的具体步骤为，

首先，采用快速近似最近邻FLANN算法对图像进行双向匹配以提高搜索效率和匹配精度；设参考图像中的特征点x在带配准图像中最近邻特征点为m，次近邻特征点为n，点x,m,n的特征向量分别为F_x、F_m和F_n则FLANN近邻匹配算法步骤如下：

1).分别计算点m、n和点x的汉明距离D_mx和D_nx；

2).计算距离的比值T＝D_mx/D_nx；

3).T＜ε(ε为阈值，一般取0.6)，则点x与点m匹配成功；否则匹配失败；

采用双向匹配的方法，只保留两次搜索匹配的结果一致的特征点，剔除其余匹配结果不一致的特征点，得到一一对应的匹配结果；

再采用RANSAC算法对特征点对进行进一步的筛选，即通过反复选择数据中的一组随机子集来达成目标。