[发明专利]一种基于B-spline的图像拼接特征点提取算法

说明书

一种基于B‑spline的图像拼接特征点提取算法，属于图像处理领域。在进行图像融合时，图像中的物体会产生尺度上的变化，会使得特征点匹配的正确率低。一种基于B‑spline的图像拼接特征点提取算法，对采集到的不同图像进行预处理；利用B样条函数构造B‑spline图像金字塔尺度空间；基于构造的尺度空间，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；通过描述子对图像进行不同图像的特征点匹配；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。本发明方法在图片融合时，图片尺度不变性的前提下，比传统ORB算法的匹配准确率提升40％，具有良好的匹配性能。

技术领域

本发明涉及一种基于B-spline的图像拼接特征点提取算法。

背景技术

人类每时每刻需要从自然界获取信息，而视觉是人类感知信息最重要的途径。科学统计表明，人类获得信息中有70％-80％来自视觉。但是由于设备或技术原因，人们只能获取整个视角的部分信息，所以，将这些碎片化信息整合起来就显得尤为重要。

数字图像技术作为一门跨学科技术，近年来已发展为一门具有强大生命力的学科，其被广泛应用于各个领域。其中，图像拼接技术是数字图像技术重要组成部分[1-5]。图像拼接技术研究是研究如何将若干小视角的图像快速有效的拼接成一幅较大视角的图像，从而能够满足人们研究的现实需要，它的实现是通过将多张具有重合或相似部分的图像拼接成一幅更宽视野的大型场景且没有拼接缝的图像。通过图像拼接,可以剔除图像中冗余的信息,减少图像的存储量。

在人们的日常生活和工作学习当中常常要用到超过人眼视角的高分辨率的图像，但是普通数码相机的视觉却很难满足需要，特别是一些超大尺寸的物体无法用一张照片来拍摄。因此为了获得大视角、高分辨率的图像，早期人们常常使用广角镜头或全景相机来处理这个问题，不过这些设备通常比较昂贵，使用起来相对较复杂，且广角镜头的边缘很容易产生扭曲变形，使得采集图像质量差，并且由于手动拼接方法不具备消除拼接线、重影的方法，这都限制了早期拼接技术的发展，因此很难普遍应用。为了在保证图像分辨率的前提下获得大视角的场景照片，人们提出了使用计算机进行图像拼接的方法来获得全景图。

近些年以来，随着科学技术的迅速发展，特征点的提取及匹配技术，在目标的检测与识别、自动驾驶和图像拼接等计算机视觉领域得到了广泛的应用。目前常见的特征点提取算法有SIFT(Scale-invariant feature transform)算法又称尺度不变特征转换,该算法拥有良好的尺度不变性，旋转不变性，鲁棒性好，但是由于其特征点提取及描述符的运算量过大，故而没有良好的实时性。SURF(Speeded Up Robust Features)算法是在SIFT算法的基础之上加以改进，采用了一种更为高效的特征点提取及描述方式，减小了运算量，提高了实时性。ORB(Oriented FAST and Rotated BRIEF)算法是将FAST特点检测算法和BRIEF描述符相结合的产物，该算法实时性非常的好。但是该算法的尺度不变性并不是很好。当在对同一场景下的不同视角的图片进行图像拼接过程中，当照相机镜头与实际环境之间会产生距离上的变化时，会导致图像中的物体会产生尺度上的变化，使得特征点匹配的正确率低。为此，本发明在研究传统ORB算法的基础上提出了一种基于B-spline图像金字塔的ORB改进算法。

发明内容

本发明的目的是为了解决在对同一场景下的不同视角的图片进行图像拼接过程中，当照相机镜头与实际环境之间会产生距离上的变化时，会导致图像中的物体会产生尺度上的变化，使得特征点匹配的正确率低的问题，而提出一种基于B-spline的图像拼接特征点提取算法。

一种基于B-spline的图像拼接特征点提取算法，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；